新型相变材料;金属绝缘体转变;人工智能实验室。
新型相变材料
美国国家标准与技术研究院(NIST)开发了一个开源的机器学习算法用于发现和开发新材料。
NIST的技术,称为客串,已经被研究人员发现一种新的相变存储材料。浮雕,代表闭环自控系统材料探索和优化,可以用来开发其他材料。浮雕的代码是开源的,将免费供科学家和研究人员使用。
通常,开发新材料和其他技术,研究人员试错的方法。但这通常是一个复杂和耗时的过程。
那是机器学习适合的地方。人工智能(AI)的一个子集,机器学习,用先进的算法系统识别数据中的模式以及学习和预测信息。
信贷:n . Hanacek / NIST:浮雕,材料探索的闭环自控系统的简称,是一个人工智能算法开发的多机构研究团队包括来自NIST的研究人员。
使用机器学习、浮雕寻找新材料的操作在一个封闭的循环。“这决定了哪些实验运行在一个材料,做实验,收集数据,“根据国家标准。“这也可以要求更多的信息,如所需的材料的晶体结构,从科学家在运行下一个实验之前,通知的所有过去的实验中执行循环。”
在实验室中,研究人员从NIST客串安装在一台电脑。系统连接到一个x射线衍射系统设施数据网络。在这种情况下,实验在斯坦福同步辐射光源(SSRL)。
SSRL, SLAC国家加速器实验室的一部分,是第三代存储戒指。SSRL明亮的x射线是研究者研究的资源技术在原子和分子水平上。在x射线衍射、x射线击中样本在不同的角度,使研究人员能够算出样品的晶体结构。
在实验室中,研究人员想要客串找到最好的锗,锑、碲(Ge-Sb-Te)合金。目标是找到最好的对比结晶和无定形的状态。
在实验中,客串了177潜在的材料进行调查。客串了19个不同的实验周期,花了10个小时,相比之下,估计90个小时就会177年科学家的全套材料,根据国家标准。
使用这种方法,研究人员发现这种材料Ge4Sb6Te7或GST467。GST467 Ge2Sb2Te5光学对比的两倍,一个著名的材料用于dvd。GST467也申请光子开关设备,存储芯片和其他应用程序。
这项技术可以用来找到其他新材料。但不用说,运行实验同步加速器装置是昂贵的。
所以,NIST使研究人员能够利用远程技术。“这开启了一波又一波的科学家还在实验室里工作,没有实际生产,”之一Apurva Mehta说,线性研究员。
金属绝缘体转变
西北大学已经开发出一种新的计算方法加速材料的发展表现出金属绝缘体转变(麻省理工学院)。
MITs公司是电子材料的一个类,可以可逆地导电和绝缘状态之间进行切换。
西北大学发展这些材料,发现已经绕过传统的基于机器学习模型。传统的机器学习方法是有限的由于缺少数据,让麻省理工学院新材料的设计困难,根据研究人员。
而不是传统的方法中,西北开发了综合使用统计推断技术,优化理论,计算材料物理。它结合了多目标与潜变量高斯贝叶斯优化流程。
使用这种技术,麻省理工学院的研究人员开发出一种家庭材料称为复杂的腔隙尖晶石。“这之前克服了传统的限制,材料化学的基础设计,”魏Chen说Wilson-Cook教授在工程设计和机械工程在西北大学的教授和主席。”重构功能材料设计作为一个优化问题,我们不仅找到了一个解决方案处理有限数据的挑战,但也证明能够有效地发现最优新材料未来的电子产品。”
“我们的方法铺平了道路提出优化的多个属性和合作设计复杂的多功能材料,之前的数据和知识是稀疏的,”詹姆斯Rondinelli,材料科学与工程教授莫里斯大肠好材料和制造教授麦考密克工程学院在西北。
人工智能实验室
东京理工学院已经开发出一种系统,结合了机器人与人工智能开发新材料。
这种方法可以产生和测试化合物做手工活的十倍,允许快速产生巨大的共享数据库。反过来,自治系统和数据库将用于发现外来材料特性和新的物理定律。
“未来的培训材料科学家必须进化;他们需要了解机器学习可以解决,并相应地设置问题。人类研究的力量在于创造概念或社会识别问题。这些力量结合机器学习和机器人是非常重要的,”教授说芋头Hitosugi东京理工学院。
|
|
|
|
|
|
|
|
留下一个回复