Învățarea automată încurajează căutarea de noi materiale „Superhard”

Cercetătorii au dezvoltat un model de învățare automată care poate prezice cu precizie rezistența noilor materiale, permițând oamenilor de știință să găsească mai ușor compuși adecvați pentru utilizare într-o varietate de aplicații. Credit: Universitatea din Houston

Materialele superhard sunt foarte solicitate în industrie, de la generarea de energie aerospațială, dar găsirea de noi materiale adecvate a fost în mare parte o chestiune de încercare și eroare bazată pe materiale clasice precum diamantele. Pana acum.

Cercetătorii de la Universitatea din Houston și Manhattan College au raportat un model de învățare automată care poate prezice cu precizie rezistența noilor materiale, permițând oamenilor de știință să găsească mai ușor compuși adecvați pentru utilizare într-o varietate de aplicații. Lucrarea a fost raportată în Materiale avansate.

Materialele care sunt foarte puternice – definite ca cele cu o duritate de peste 40 gigapascali pe scara Vickers, ceea ce înseamnă că ar fi nevoie de mai mult de 40 gigapascali de presiune pentru a lăsa o gaură în suprafața materialului – sunt rare. .

„Acest lucru face dificilă identificarea materialelor noi”, a spus Jakoah Brgoch, profesor asociat de chimie la Universitatea din Houston și coautor al lucrării. “Acesta este motivul pentru care se folosesc materiale precum diamantul sintetic, deși sunt provocatoare și costisitoare de realizat.”

Unul dintre factorii care complică este că duritatea unui material poate varia în funcție de cantitatea de presiune exercitată, cunoscută sub numele de dependența de sarcină. Acest lucru face aproape imposibilă testarea unui material complex din punct de vedere experimental și utilizarea în prezent a modelării computaționale.

Modelul raportat de cercetători depășește acest lucru prin prezicerea durității dependente de sarcină Vickers bazată exclusiv pe compoziția chimică a materialului. Cercetătorii raportează găsirea a peste 10 faze noi și promițătoare de borocarbon stabil; se lucrează acum la proiectarea și fabricarea materialelor, astfel încât acestea să poată fi testate în laborator.

Pe baza modelului raportat precizie, șansele sunt mari. Cercetătorii au raportat o acuratețe de 97%.

Primul autor Ziyan Zhang, doctorand la Hopa, a declarat că baza de date construită pentru a antrena algoritmul se bazează pe date care includ 560 de compoziții diferite, fiecare furnizând mai multe puncte de date. Recuperarea datelor a necesitat plasarea a sute de lucrări academice publicate pentru a găsi datele necesare construirii unei baze de date reprezentative.

„Toate proiectele bune de învățare automată încep cu o bază de date bună”, a spus Brgoch, care este, de asemenea, investigator principal la Texas Center for Superconductivity in Hopa. “Realul succes este în principal dezvoltarea acestor date.”

Pe lângă Brgoch și Zhang, cercetătorii suplimentari din proiect includ Aria Mansouri Tehrani și Blake Day, ambii cu Hopași Anton O. Oliynyk de la Manhattan College.

Cercetătorii au folosit în mod tradițional învățarea automată pentru a prezice o singură variabilă de duritate, a spus Brgoch, dar acest lucru nu ia în considerare complicațiile proprietății, cum ar fi dependența de sarcină, despre care a spus că nu sunt încă bine înțelese. Acest lucru face ca învățarea automată să fie un instrument bun, în ciuda limitărilor anterioare.

“Un sistem de învățare automată nu are nevoie să înțeleagă fizica”, a spus el. „Pur și simplu analizează datele de instruire și face noi prognoze pe baza statisticilor.”

Cu toate acestea, învățarea automată are limitări.

„Ideea utilizării învățării automate nu înseamnă să spui„ Iată următorul material cel mai bun ”, ci pentru a ne ajuta să ne orientăm cercetările experimentale”, a spus Brgoch. „Îți spune unde să cauți”.

Referință: „Găsirea altor materiale super-dure prin învățarea ansamblului” de Ziyan Zhang, Aria Mansouri Tehrani, Anton O. Oliynyk, Blake Day și Jakoah Brgoch, 4 decembrie 2020, Materiale avansate.
DOI: 10.1002 / adma.202005112

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Oamenii de știință dezvăluie cheia creșterii musculare adecvate

Analiza imunofluorescenței unui grup de celule stem proliferante asociate cu fibre musculare (gri). Celulele stem produc Dll1 (roșu) și MyoD (verde). Două...

ExoMars Orbiter surprinde fermitatea la locul de aterizare al craterului Mars Jezero

ESA-Roscosmos Trace Gas Orbiter a observat vehiculul NASA Perseverance Mars 2020, împreună cu o parașută și o carapace spate, un scut termic și o...

Reglarea cuantică în grafen avansează era comunicațiilor fără fir Terahertz de mare viteză

Tunelare cuantică. Credit: Daria Sokol / Biroul de presă MIPT Oamenii de știință de la MIPT, Universitatea Pedagogică de Stat din Moscova și Universitatea...

Un model agresiv bazat pe piață pentru dezvoltarea energiei de cuplare

Conceptul ARC Fusion Pilot Plant a fost dezvoltat la MIT ca o demonstrație a potențialului magneților supraconductori de temperatură înaltă de a reduce costurile...

Sug este mai important în cercetare decât potrivirea corectă a măștilor de față COVID

O echipă de cercetători care studiază eficacitatea diferitelor tipuri de măști de față a constatat că este cea mai bună protecție împotriva acesteia COVID-19,...

Newsletter

Subscribe to stay updated.