Strømlining af materialeopdagelsesprocessen

Udvikling af nye materialer og nye processer har fortsat ændret verden. M3I3-initiativet hos KAIST har ført til ny indsigt i at fremme materialeudvikling ved at implementere gennembrud inden for materialebilleddannelse, der har skabt et paradigmeskifte i opdagelsen af ​​materialer. Initiativet indeholder multiskalamodellering og billeddannelse af struktur- og egenskabsforhold og materialehierarkier kombineret med de nyeste materialebearbejdningsdata.

Forskerholdet ledet af professor Seungbum Hong analyserede materialeforskningsprojekterne rapporteret af førende globale institutter og forskningsgrupper, og udledte en kvantitativ model ved hjælp af maskinlæring med en videnskabelig fortolkning. Denne proces inkarnerer forskningsmålet for M3I3:Materials and Molecular Modeling, Billedbehandling, Informatik og integration.

Forskerne diskuterede rollen af ​​multiskala materialer og molekylær billeddannelse kombineret med maskinlæring og præsenterede også et fremtidsudsigt for udviklingen og de store udfordringer ved M3I3. Ved at bygge denne model, forskerholdet forestiller sig at skabe ønskede sæt egenskaber for materialer og opnå de optimale forarbejdningsopskrifter til at syntetisere dem.

"Udviklingen af ​​forskellige mikroskopi- og diffraktionsværktøjer med evnen til at kortlægge strukturen, ejendom, og materialers ydeevne på multiskalaniveauer og i realtid satte os i stand til at tro, at billeddannelse af materialer radikalt kunne accelerere materialeopdagelse og -udvikling, " siger professor Hong.

"Vi planlægger at bygge et M3I3-lager af søgbare struktur- og ejendomskort ved hjælp af FAIR (Findable, Tilgængelig, Interoperabel, og Genanvendelige) principper for at standardisere bedste praksis samt strømline uddannelsen af ​​forskere i den tidlige karriere."

Et af eksemplerne, der viser styrken ved struktur-egenskabsbilleddannelse på nanoskala, er udviklingen af ​​fremtidige materialer til nye ikke-flygtige hukommelsesenheder. Specifikt, forskerholdet fokuserede på mikroskopi ved hjælp af fotoner, elektroner, og fysiske sonder på det strukturelle hierarki i flere skalaer, samt struktur-egenskabsforhold for at forbedre ydeevnen af ​​hukommelsesenheder.

"M3I3 er en algoritme til at udføre reverse engineering af fremtidige materialer. Reverse engineering starter med at analysere strukturen og sammensætningen af ​​banebrydende materialer eller produkter. Når først forskerholdet bestemmer ydeevnen af ​​vores målrettede fremtidige materialer, vi har brug for at kende kandidatstrukturerne og -sammensætningerne for at producere de fremtidige materialer."

Forskerholdet har bygget et datadrevet eksperimentelt design baseret på traditionel NCM (nikkel, kobolt, og mangan) katodematerialer. Med dette, forskerholdet udvidede deres fremtidige retning for at opnå endnu højere udledningskapacitet, som kan realiseres via Li-rige katoder.

Imidlertid, en af ​​de store udfordringer var begrænsningen af ​​tilgængelige data, der beskriver de Li-rige katodeegenskaber. For at afhjælpe dette problem, forskerne foreslog to løsninger:For det første, de bør bygge en maskinlæringsstyret datagenerator til dataforøgelse. Sekund, de ville bruge en maskinlæringsmetode baseret på 'transfer learning'. Da NCM-katodedatabasen deler et fællestræk med en Li-rig katode, man kunne overveje at genbruge den NCM-trænede model til at hjælpe den Li-rige forudsigelse. Med den fortrænede model og overførselslæring, holdet forventer at opnå fremragende forudsigelser for Li-rige katoder selv med det lille datasæt.

Med fremskridt inden for eksperimentel billeddannelse og tilgængeligheden af ​​velopløst information og big data, sammen med betydelige fremskridt inden for højtydende computing og en verdensomspændende fremdrift mod en generel, samarbejdende, integrerende, og on-demand forskningsplatform, der er et klart sammenfald i de nødvendige kapaciteter til at fremme M3I3-initiativet.

Professor Hong sagde, "Når det lykkes os at bruge den omvendte "ejendom-struktur-behandling" solver til at udvikle katode, anode, elektrolyt, og membranmaterialer til Li-ion-batterier med høj energitæthed, vi vil udvide vores omfang af materialer til batteri/brændselsceller, rumfart, biler, mad, medicin, og kosmetiske materialer."