|
ИИ ускорит открытие энергетических и квантовых материалов
|
|
|
|
Исследователи из Университета Тохоку и Массачусетского технологического института (MIT) представили новый инструмент искусственного интеллекта для получения высококачественных оптических спектров с той же точностью, что и при квантовом моделировании, но работающий в миллион раз быстрее, что потенциально ускоряет разработку фотоэлектрических и квантовых материалов.
|
|
|
|
Понимание оптических свойств материалов имеет важное значение для разработки оптоэлектронных устройств, таких как светодиоды, солнечные элементы, фотодетекторы и фотонные интегральные схемы. Эти устройства играют ключевую роль в нынешнем возрождении полупроводниковой промышленности.
|
|
|
|
Традиционные методы расчета с использованием основных законов физики требуют сложных математических вычислений и огромной вычислительной мощности, что затрудняет быстрое тестирование большого количества материалов. Преодоление этой проблемы может привести к открытию новых фотоэлектрических материалов для преобразования энергии и более глубокому пониманию фундаментальной физики материалов с помощью их оптических спектров.
|
|
|
|
|
|
|
Команда, возглавляемая Нгуен Туан Хунгом (Nguyen Tuan Hung), доцентом Пограничного института междисциплинарных наук (FRIS) Университета Тохоку, и Мингдой Ли (Mingda Li), доцентом кафедры ядерных наук и инженерии Массачусетского технологического института (NSE), сделали именно это, представив новую модель искусственного интеллекта, которая предсказывает оптические свойства различных объектов. широкий диапазон частот света, использующий в качестве входных данных только кристаллическую структуру материала.
|
|
|
|
Ведущий автор Нгуен и его коллеги недавно опубликовали свои результаты в статье в открытом доступе в журнале Advanced Materials.
|
|
|
|
"Оптика - это увлекательный аспект физики конденсированных сред, который определяется причинно-следственной связью, известной как соотношение Крамерса-Кренига (KK)", - говорит Нгуен. "Как только известно одно оптическое свойство, все остальные оптические свойства могут быть получены с помощью соотношения KK. Интересно наблюдать, как модели искусственного интеллекта могут воспринимать физические концепции с помощью этого соотношения".
|
|
|
|
Получение оптических спектров с полным охватом частот в экспериментах является сложной задачей из-за ограничений длины волны лазера. Моделирование также является сложным процессом, требующим высоких критериев сходимости и требующим значительных вычислительных затрат. В результате научное сообщество уже давно занимается поиском более эффективных методов прогнозирования оптических спектров различных материалов.
|
|
|
|
"Модели машинного обучения, используемые для оптического прогнозирования, называются графовыми нейронными сетями (GNN)", - отмечает Ритаро Окабе, аспирант химического факультета Массачусетского технологического института. "GNN обеспечивают естественное представление молекул и материалов, представляя атомы в виде узлов графа, а межатомные связи - в виде ребер графа".
|
|
|
|
Тем не менее, несмотря на то, что GNN многообещающе подходят для прогнозирования свойств материалов, им не хватает универсальности, особенно в представлении кристаллических структур. Чтобы обойти эту проблему, Нгуен и другие исследователи разработали универсальное комплексное встраивание, при помощи которого создается множество моделей или алгоритмов для унификации представления данных.
|
|
|
|
"Это комплексное внедрение выходит за рамки человеческой интуиции, но широко применимо для повышения точности прогнозирования без ущерба для структур нейронных сетей", - объясняет Абхиджатмедхи Чотраттанапитук, аспирант кафедры электротехники и компьютерных наук Массачусетского технологического института.
|
|
|
|
Метод ансамблевого внедрения - это универсальный уровень, который может быть легко применен к любой модели нейронной сети без изменения структуры нейронной сети. "Это означает, что универсальное внедрение может быть легко интегрировано в любую архитектуру машинного обучения, что потенциально окажет глубокое влияние на науку о данных", - говорит Мингда Ли.
|
|
|
|
Этот метод обеспечивает высокоточное оптическое предсказание, основанное исключительно на кристаллических структурах, что делает его пригодным для широкого спектра применений, таких как экранирование материалов для высокоэффективных солнечных элементов и обнаружение квантовых материалов.
|
|
|
|
Заглядывая в будущее, исследователи планируют разработать новые базы данных по различным свойствам материалов, таким как механические и магнитные характеристики, чтобы расширить возможности модели искусственного интеллекта по прогнозированию свойств материалов исключительно на основе кристаллических структур.
|
|
|
|
Источник
|
