At lære computere at designe milliarder af mulige materialer intelligent

At opdage, hvordan atomer - såsom et enkelt lag af kulstofatomer fundet i grafen, et af verdens stærkeste materialer - arbejdet med at skabe et solidt materiale er i øjeblikket et stort forskningsemne inden for materialevidenskab, eller design og opdagelse af nye materialer. På University of Missouri, forskere fra College of Engineering anvender en af ​​de første anvendelser af deep learning - den teknologi, computere bruger til intelligent at udføre opgaver som at genkende sprog og køre autonome køretøjer - til materialevidenskab.

"Du kan træne en computer til at gøre det, det ville tage mange år for folk ellers at gøre, " sagde Yuan Dong, en forskningsassistent professor i maskin- og rumfartsteknik og ledende forsker på undersøgelsen. "Dette er et godt udgangspunkt."

Dong arbejdede med Jian Lin, en assisterende professor i maskin- og rumfartsteknik, at afgøre, om der var en måde at forudsige milliarder af muligheder for materialestrukturer, der skabes, når visse kulstofatomer i grafen erstattes med ikke-kulstofatomer.

"Hvis du sætter atomer i bestemte konfigurationer, materialet vil opføre sig anderledes, " sagde Lin. "Strukturer bestemmer egenskaberne. Hvordan kan du forudsige disse egenskaber uden at lave eksperimenter? Det er her, beregningsprincipper kommer ind."

Lin og Dong samarbejdede med Jianlin Cheng, en William og Nancy Thompson professor i elektroteknik og datalogi ved MU, at indtaste et par tusinde kendte kombinationer af grafenstrukturer og deres egenskaber i deep learning-modeller. Derfra, det tog omkring to dage for den højtydende computer at lære og forudsige egenskaberne af de milliarder af andre mulige strukturer af grafen uden at skulle teste hver enkelt separat.

Forskere forestiller sig fremtidige anvendelser af denne kunstige intelligens hjælpeteknologi til at designe mange forskellige grafenrelaterede eller andre todimensionelle materialer. Disse materialer kan anvendes til konstruktion af LED-fjernsyn, berøringsskærme, smartphones, solceller, missiler og eksplosive anordninger.

"Giv et intelligent computersystem ethvert design, og det kan forudsige egenskaberne, " Cheng sagde. "Denne tendens er ved at opstå inden for materialevidenskab. Det er et godt eksempel på at anvende kunstig intelligens til at ændre standardprocessen for materialedesign på dette felt."

Studiet, "Bandgap forudsigelse ved dyb læring i konfigurationsmæssigt hybridiseret grafen og bornitrid, " blev offentliggjort i npj Beregningsmaterialer .