Fremstilling af nye materialer ved hjælp af kunstig intelligens

Der er et gammelt ordsprog, "Hvis gummi er det materiale, der åbnede vejen til jorden, aluminium er den, der åbnede vejen til himlen." Nye materialer blev altid opdaget ved hvert vendepunkt, der ændrede menneskets historie. Materialer, der bruges i hukommelsesenheder, udvikler sig også drastisk med fremkomsten af ​​nye materialer såsom dopede siliciummaterialer, modstandsændrende materialer, og materialer, der spontant magnetiserer og polariserer. Hvordan er disse nye materialer lavet? Et forskerhold fra POSTECH har afsløret mekanismen bag fremstilling af materialer brugt i nye hukommelsesenheder ved at bruge kunstig intelligens.

Forskerholdet ledet af professor Si-Young Choi fra Institut for Materialevidenskab og Teknik og holdet ledet af professor Daesu Lee fra Institut for Fysik ved POSTECH er sammen lykkedes med at syntetisere et nyt stof, der producerer elektricitet ved at forårsage polarisering (et fænomen i hvor positionen af ​​negative og positive ladninger er adskilt fra de negative og positive ladninger i krystallen) ved stuetemperatur og bekræftede dens variation i krystalstrukturen ved at anvende dyb neurale netværksanalyse. Denne artikel blev offentliggjort i et nyligt nummer af Naturkommunikation .

De atomare strukturer af perovskitoxider er ofte forvrænget, og deres egenskaber bestemmes af den oktaedriske iltrotation (OOR) i overensstemmelse hermed. Faktisk, der er kun få stabile OOR-mønstre til stede ved ligevægt, og dette begrænser uundgåeligt perovskitoxidernes egenskaber og funktioner.

Det fælles forskerhold fokuserede på et perovskitoxid kaldet CaTiO ₃ som forbliver upolær (eller paraelektrisk) selv ved den absolutte temperatur på 0K. Baseret på ab-initio beregningerne, imidlertid, holdet fandt ud af, at et unikt OOR-mønster, der ikke eksisterer naturligt, ville være i stand til at lette ferroelektriciteten, en kraftig polarisering ved stuetemperatur.

I dette lys, forskerholdet lykkedes med at syntetisere et nyt materiale (hetereroepitaxial CaTiO ₃ ), der besidder ferroelektriciteten ved at anvende grænsefladeteknik, der styrer de atomare strukturer ved grænsefladen og følgelig dens fysiske egenskab.

Ud over, dyb neurale netværksanalyse blev anvendt til at undersøge den fine OOR og variationen af ​​et par årtiers picometer i de atomare strukturer, og forskellige atomstrukturer blev simuleret, og data blev brugt til AI-analyse for at identificere kunstigt kontrollerede OOR-mønstre.

"Vi har bekræftet, at vi kan skabe nye fysiske fænomener, der ikke opstår naturligt, ved at opnå det unikke OOR-mønster ved at kontrollere variationen i dets atomare struktur, " bemærkede professor Daesu Lee. "Det er især vigtigt at se, at resultaterne af konvergerende forskning i fysik og ny materialeteknik muliggør beregninger til materialedesign, syntese af nye materialer, og analyse for at forstå nye fænomener."

Professor Choi forklarede, "Ved at anvende den dybe maskinlæring til materialeforskning, vi har med succes identificeret variationer i atomskala på snesevis af picometre, som er svære at identificere med det menneskelige øje." Han tilføjede, "Det kunne være en avanceret tilgang til materialeanalyse, der kan hjælpe med at forstå mekanismen til at skabe nye materialer med unikke fysiske fænomener."