智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
其他品牌
麻省理工學院的研究團隊發(fā)現(xiàn)，與標準的實驗和理論方法相比，機器學習技術(shù)有很大的優(yōu)勢。在2020年9月發(fā)表在《自然-能源》雜志的一篇文章中，三位科學家提出了幾個“大挑戰(zhàn)”--其中之一是為熱能儲存裝置尋找合適的材料，這些材料可以與太陽能系統(tǒng)協(xié)同使用。
幸運的是，麻省理工學院核科學與工程系Norman C.Rasmussen副教授，該系量子物質(zhì)小組的負責人李明達已經(jīng)在沿著類似的思路思考。事實上，李明達和九個合作者(來自麻省理工學院、勞倫斯伯克利國家實驗室和阿貢國家實驗室的研究人員)正在開發(fā)一種新的方法，涉及一種新的機器學習方法，這將使其更快、更容易識別具有熱能存儲和其他用途的有利特性的材料。
他們的調(diào)查結(jié)果最近發(fā)表在《先進科學》的一篇論文中。橡樹嶺國家實驗室的杰出工作人員、物理學家Jaime Fernandez-Baca評論說：“這是一種革命性的方法，有望加速新功能材料的設(shè)計。”
李明達和他的合作者寫道，材料科學的一個核心挑戰(zhàn)是“建立結(jié)構(gòu)與性能的關(guān)系”——弄清楚具有特定原子結(jié)構(gòu)的材料將具有的特性。李明達的團隊特別關(guān)注使用結(jié)構(gòu)知識來預測“聲子態(tài)密度”，這對熱性能有關(guān)鍵影響。
要理解這個術(shù)語，最好從聲子這個詞開始。材料科學和工程專業(yè)的博士生Nina Andrejevic解釋說：“一種晶體材料是由排列在晶格結(jié)構(gòu)中的原子組成的。我們可以把這些原子看作是由彈簧連接的球體，而熱能導致彈簧振動。而那些只在離散的(量化的)頻率或能量下發(fā)生的振動，就是我們所說的聲子。”
“聲子態(tài)密度”只是在一個特定的頻率或能量范圍內(nèi)發(fā)現(xiàn)的振動模式或聲子的數(shù)量。知道了“聲子態(tài)密度”，人們就可以確定一種材料的載熱能力以及它的熱導率，這與熱量如何容易地通過一種材料有關(guān)，甚至可以確定超導體的超導轉(zhuǎn)變溫度。李明達說：“出于熱能儲存的目的，你想要一種具有高比熱的材料，這意味著它可以吸收熱量而不出現(xiàn)溫度急劇上升。你還想要一種具有低熱導率的材料，這樣它就能更長時間地保持其熱量。”
然而，“聲子態(tài)密度”是一個很難在實驗中測量或在理論上計算的術(shù)語。“對于像這樣的測量，人們必須去國家實驗室使用一個大型儀器，大約10米長，以獲得你需要的能量分辨率，”李明達說。“那是因為我們正在尋找的信號非常弱。”
“而如果你想計算聲子態(tài)密度，最準確的方法是依靠密度泛函微擾理論(DFPT)，”機械工程博士生陳占濤指出。“但是這些計算的規(guī)模是晶體基本構(gòu)件中原子數(shù)量的四階，這可能需要在一個CPU集群上花費數(shù)天的計算時間。"對于包含兩種或更多元素的合金，計算變得更加困難，可能需要數(shù)周甚至更長時間。”
李明達表示，這種新方法可以將這些計算需求減少到個人電腦上的幾秒鐘。他的團隊沒有試圖從第一原理計算“聲子態(tài)密度”，這顯然是一項費力的任務。他們轉(zhuǎn)而采用了一種神經(jīng)網(wǎng)絡方法，利用人工智能算法，使計算機能夠從實例中學習。這個想法是向神經(jīng)網(wǎng)絡提供足夠的關(guān)于材料的原子結(jié)構(gòu)及其相關(guān)的聲子態(tài)密度的數(shù)據(jù)，使網(wǎng)絡能夠分辨出連接這兩者的關(guān)鍵模式。在以這種方式進行“訓練”之后，該網(wǎng)絡將有望對具有特定原子結(jié)構(gòu)的物質(zhì)進行可靠的狀態(tài)密度預測。
(原標題：MIT科學家開發(fā)的革命性人工智能方法有望加速新功能材料的設(shè)計)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
