Проектирование новых материалов от ‘маленьких’ данных: Уникальный технологический процесс, чтобы проектировать новые материалы

Но команда от Северо-западной Национальной лаборатории Технического и Лос-Аламоса нашла работу. Группа развивала новый технологический процесс, объединяющий машинное обучение и плотность функциональные вычисления теории, чтобы создать руководство по проектированию для новых материалов, которые показывают полезные электронные свойства, такие как сегнетоэлектричество и пьезоэлектричество.У немногих слоистых материалов есть эти качества в определенных конфигурациях – крайне важный для развития решений электроники, коммуникации и энергетических проблем – значение, что там были очень небольшие данные, от которых можно сформулировать рекомендации, используя традиционные подходы исследования.«Когда другие ищут новые материалы, как правило они смотрят в местах, где у них есть много данных из подобных материалов.

Это не обязательно легко каким-либо образом, но мы действительно знаем, как дистиллировать информацию от больших наборов данных», сказал Джеймс М. Рондинелли, доцент материаловедения и разработки в Школе Маккормика Разработки. «Когда у Вас нет большой информации, извлечение уроки из данных становится трудной проблемой».Исследование описано в газете «Приобретение знаний из данных, чтобы проектировать функциональные материалы без симметрии инверсии», появившись в 17 февраля 2017, проблема Коммуникаций Природы.

Prasanna Balachandran Los Alamos National Lab в Нью-Мексико – соавтор газеты. Джошуа Янг, бывший аспирант в лаборатории Рондинелли, и Турэб Лукмен, старший научный сотрудник в Лос-Аламосе, также способствовали.Поддержанный, финансируя из Национального научного фонда и Лабораторной Программы Целенаправленного исследования и развития через Лос-Аламос, группа Рондинелли сосредоточилась на классе двумерных сложных окисей – или окисей Ruddlesden-кнопки.

Эти материалы показывают много позволяющих технологию свойств, таких как сегнетоэлектричество и пьезоэлектричество, и могут соединяться с традиционными полупроводниковыми материалами, найденными в сегодняшних электронных устройствах.«В этой семье набор данных маленький.

В настоящее время есть только приблизительно 10 – 15 материалов, которые известны с желаемыми свойствами», сказал Рондинелли. «Это не много данных, чтобы работать с. Традиционно наука данных используется для больших проблем данных, где есть меньше потребности в знании области».«Несмотря на маленькую природу данных проблемы», добавил Бэлэчандрэн, «наш подход работал, потому что мы смогли объединить наше понимание этих материалов (знание области) с данными, чтобы сообщить машинному обучению».Поэтому группа начала строить базу данных известных материалов и использовать машинное обучение, подполе информатики, которая строит алгоритмы, способные к приобретению знаний из данных и затем использованию того обучения сделать лучшие предсказания. «С машинным обучением мы в состоянии определить химические составы, которые являются вероятными кандидатами на материал, который Вы хотите развивать», сказал он.Больше чем из 3 000 возможных исследованных материалов научный подход данных нашел больше чем 200 с многообещающими кандидатами.

Затем, команда применила несколько типов строгого кванта механические вычисления. Это оценило строения атома потенциальных материалов и проверило их стабильность.«Интересно: у материала была бы предсказанная структура? У этого есть электрическая поляризация?

Это может быть сделано в лаборатории?» Рондинелли добавил.Эта работа сузила возможности к 19, которые рекомендовались для непосредственного экспериментального синтеза. Все же там вероятны еще много возможностей среди этих 200 кандидатов.Как правило, развивая новые материалы, количество возможностей слишком большое, чтобы исследовать и развивать каждого.

Процесс показа потенциальных материалов очень дорогой, и ученые должны быть отборными в своих инвестициях.«У нашей работы есть потенциал, чтобы помочь спасти огромное количество времени и ресурсы», сказал Бэлэчандрэн. «Вместо того, чтобы исследовать все возможные материалы, только те материалы, у которых есть потенциал, чтобы обещать, будут рекомендоваться для экспериментального исследования».


Блог Ислама Уразова