Når menneskelig ekspertise forbedrer maskinernes arbejde

Maskinlæringsalgoritmer kan nogle gange gøre et bedre stykke arbejde med lidt hjælp fra menneskelig ekspertise, i hvert fald inden for materialevidenskab.

Inden for mange specialiserede videnskabsområder, teknik og medicin, forskere henvender sig til maskinlæringsalgoritmer for at analysere datasæt, der er blevet alt for store til, at mennesker kan forstå. I materialevidenskab, succes med denne indsats kan fremskynde designet af næste generations avancerede funktionelle materialer, hvor udviklingen nu afhænger af gammeldags trial-and-error.

På egen hånd, imidlertid, dataanalyseteknikker, der er lånt fra andre forskningsområder, giver ofte ikke den indsigt, der er nødvendig for at hjælpe materialeforskere og ingeniører med at vælge, hvilken af ​​mange variabler der skal justeres – og kan ikke tage højde for dramatiske ændringer såsom introduktionen af ​​en ny kemisk forbindelse i processen. I nogle komplekse materialer såsom ferroelektrik, så mange som 10 forskellige faktorer kan påvirke egenskaberne af det resulterende produkt.

I et papir offentliggjort i denne uge i tidsskriftet NPJ beregningsmaterialer , forskere forklarer, hvordan man giver maskinerne et forspring til at løse udfordringen ved intelligent at organisere de data, der skal analyseres, baseret på menneskelig viden om, hvilke faktorer der sandsynligvis er vigtige og relaterede. Kendt som dimensionel stabling, teknikken viser, at menneskelig erfaring stadig har en rolle at spille i maskinintelligens tidsalder.

Forskningen blev sponsoreret af National Science Foundation og Defense Threat Reduction Agency, samt Swiss National Science Foundation. Der blev udført målinger, delvis, ved Oak Ridge National Laboratory i Oak Ridge, Tennessee.

"Når din maskine accepterer strenge af data, det er virkelig lige meget, hvordan du sætter disse strenge sammen, " sagde Nazanin Bassiri-Gharb, avisens tilsvarende forfatter og professor ved George W. Woodruff School of Mechanical Engineering ved Georgia Institute of Technology. "Vi skal være opmærksomme på, at organiseringen af ​​data, før de går til algoritmen, gør en forskel. Hvis du ikke tilslutter informationen korrekt, du vil få et resultat, der ikke nødvendigvis er korreleret med virkeligheden af ​​den fysik og kemi, der styrer materialerne."

Bassiri-Gharb arbejder med ferroelektrik, krystallinske materialer, der udviser spontane elektriske polariseringer, der kan skiftes af et eksternt elektrisk felt. Udbredt på grund af deres piezoelektriske egenskaber - som tillader elektriske input at generere mekaniske output, og mekanisk bevægelse til at generere elektriske spændinger - deres kemiske formler er normalt komplicerede, herunder bly, mangan, niobium, ilt, titanium, indium, vismut og andre elementer.

Forskere, som har arbejdet i årtier for at forbedre materialerne, vil gerne udvikle avanceret ferroelektrik, der ikke indeholder bly. Men trial-and-error-designteknikker har ikke ført til større gennembrud, og hun er ikke alene om at ønske en mere direkte tilgang – en der også hurtigere kunne føre til forbedringer i andre funktionelle materialer, der bruges i mikroelektronik, batterier, optoelektroniske systemer og andre kritiske forskningsfelter.

"For materialevidenskab, tingene bliver virkelig komplicerede, især med de funktionelle materialer, " sagde Bassiri-Gharb. "Som materialeforskere, det er meget svært at designe materialerne, hvis vi ikke forstår, hvorfor en respons øges. Vi har erfaret, at funktionaliteterne ikke er opdelt. De er indbyrdes forbundne blandt mange egenskaber ved materialet."

Teknikken beskrevet i papiret involverer et forbehandlingstrin, hvor de store datasæt er organiseret efter fysiske eller kemiske egenskaber, som giver mening for materialeforskere.

"Som videnskabsmand eller ingeniør, du har en idé om, hvorvidt der er fysiske eller kemiske sammenhænge, " forklarede hun. "Du skal være klar over, hvilken slags sammenhænge der kunne eksistere. Den måde, du stabler dine data, der skal analyseres, vil have konsekvenser med hensyn til de fysiske eller kemiske korrelationer. Hvis du gør dette rigtigt, du kan få flere oplysninger fra enhver dataanalysetilgang, du måske bruger."

For at teste teknikkerne, Bassiri-Gharb og samarbejdspartnere Lee Griffin, Iaroslav Gaponenko, og Shujun Zhang testede prøver af relaxor-ferroelektriske materialer, der bruges i avanceret ultralydsbilleddannelsesudstyr. Griffin, en Georgia Tech kandidat forskningsassistent og papirets medførste forfatter, udførte de eksperimentelle målinger. Zhang, en forsker ved University of Wollongong i Australien, leverede prøver til undersøgelsen. Bassiri-Gharb og Gaponenko, en forskningspartner i hendes gruppe, udviklet tilgangen.

Ved hjælp af en ledende spids på et atomkraftmikroskop, de undersøgte den elektromekaniske respons fra en række kemisk relaterede prøver, genererer så mange som 2, 500 tids- og spændingsafhængige målinger på et gitter af punkter etableret på hver prøve. Processen genererede hundredtusindvis af datapunkter og gav en god test for stablingstilgangen, kendt teknisk som sammenkædning.

"I stedet for bare at se på den kemiske sammensætning, der giver den højeste respons, vi kiggede på en række kompositioner og prøvede at finde ud af fællestrækket, " sagde hun. "Vi fandt ud af, at hvis vi anvendte denne datastabling med en tankeproces bag sig, vi kunne lære mere om disse interessante materialer."

Blandt deres resultater:Selvom materialet er en enkelt krystal, den funktionelle respons viste meget forstyrret adfærd, minder om et fuldstændig uordnet materiale som glas. "Denne glasagtige adfærd vedvarer virkelig uventet ud over en lille procentdel af materialesammensætningerne, " sagde Bassiri-Gharb. "Det fortsætter på tværs af alle de kompositioner, vi har set på."

Hun håber, at teknikken i sidste ende vil føre til information, der vil forbedre mange materialer og deres funktionaliteter. At vide, hvilke kemikalier der skal inkluderes, kan gøre det muligt for materialeforskerne at gå til næste fase - at arbejde med kemikere for at placere de rigtige atomer de rigtige steder.

"Det store mål for ethvert materiales funktionalitet er at finde de retningslinjer, der giver de egenskaber, vi ønsker, " sagde hun. "Vi ønsker at finde den lige vej til de bedste kompositioner til den næste generation af disse materialer."