Nanotechnology Now - Δελτίο Τύπου: Ερευνητής Rensselaer χρησιμοποιεί τεχνητή νοημοσύνη για να ανακαλύψει νέα υλικά για προηγμένους υπολογιστές Ο Trevor Rhone χρησιμοποιεί AI για να προσδιορίσει δισδιάστατους μαγνήτες Van Der Waals

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Αρχική > Τύπος > Ο ερευνητής της Rensselaer χρησιμοποιεί τεχνητή νοημοσύνη για να ανακαλύψει νέα υλικά για προηγμένους υπολογιστές Ο Trevor Rhone χρησιμοποιεί AI για να αναγνωρίσει δισδιάστατους μαγνήτες van der Waals

Trevor David Rhone CREDIT Rensselaer Polytechnic Institute

Περίληψη:
Μια ομάδα ερευνητών με επικεφαλής τον Trevor David Rhone του Πολυτεχνικού Ινστιτούτου Rensselaer, επίκουρο καθηγητή στο Τμήμα Φυσικής, Εφαρμοσμένης Φυσικής και Αστρονομίας, εντόπισε νέους μαγνήτες van der Waals (vdW) χρησιμοποιώντας εργαλεία αιχμής στην τεχνητή νοημοσύνη (AI). Ειδικότερα, η ομάδα εντόπισε υλικά αλογονιδίου μετάλλου μετάπτωσης vdW με μεγάλες μαγνητικές ροπές που προβλέπεται να είναι χημικά σταθερά χρησιμοποιώντας ημι-εποπτευόμενη μάθηση. Αυτοί οι δισδιάστατοι (2D) μαγνήτες vdW έχουν πιθανές εφαρμογές στην αποθήκευση δεδομένων, τη σπιντρονική, ακόμη και τους κβαντικούς υπολογιστές.

Ο ερευνητής της Rensselaer χρησιμοποιεί τεχνητή νοημοσύνη για να ανακαλύψει νέα υλικά για προηγμένους υπολογιστές Ο Trevor Rhone χρησιμοποιεί AI για να αναγνωρίσει δισδιάστατους μαγνήτες van der Waals

Τροία, Νέα Υόρκη | Δημοσιεύτηκε στις 12 Μαΐου 2023

Η Rhone ειδικεύεται στην αξιοποίηση της πληροφορικής υλικών για την ανακάλυψη νέων υλικών με απροσδόκητες ιδιότητες που προάγουν την επιστήμη και την τεχνολογία. Η Πληροφορική Υλικών είναι ένα αναδυόμενο πεδίο μελέτης στη διασταύρωση της τεχνητής νοημοσύνης και της επιστήμης των υλικών. Η τελευταία έρευνα της ομάδας του παρουσιάστηκε πρόσφατα στο εξώφυλλο του Advanced Theory and Simulations.

Τα δισδιάστατα υλικά, τα οποία μπορεί να είναι τόσο λεπτά όσο ένα άτομο, ανακαλύφθηκαν μόλις το 2 και αποτέλεσαν αντικείμενο μεγάλης επιστημονικής περιέργειας λόγω των απροσδόκητων ιδιοτήτων τους. Οι 2004D μαγνήτες είναι σημαντικοί επειδή η μαγνητική τους τάξη μεγάλης εμβέλειας παραμένει όταν αραιώνονται σε ένα ή μερικά στρώματα. Αυτό οφείλεται στη μαγνητική ανισοτροπία. Η αλληλεπίδραση με αυτή τη μαγνητική ανισοτροπία και τη χαμηλή διάσταση θα μπορούσε να οδηγήσει σε εξωτικούς βαθμούς ελευθερίας σπιν, όπως υφές περιστροφής που μπορούν να χρησιμοποιηθούν στην ανάπτυξη αρχιτεκτονικών κβαντικών υπολογιστών. Οι 2D μαγνήτες καλύπτουν επίσης όλο το φάσμα των ηλεκτρονικών ιδιοτήτων και μπορούν να χρησιμοποιηθούν σε συσκευές υψηλής απόδοσης και ενεργειακής απόδοσης.

Ο Rhone και η ομάδα συνδύασαν υπολογισμούς της λειτουργικής θεωρίας πυκνότητας υψηλής απόδοσης (DFT), για να προσδιορίσουν τις ιδιότητες των υλικών vdW, με την τεχνητή νοημοσύνη για να εφαρμόσουν μια μορφή μηχανικής μάθησης που ονομάζεται ημι-εποπτευόμενη μάθηση. Η ημι-εποπτευόμενη μάθηση χρησιμοποιεί έναν συνδυασμό δεδομένων με ετικέτα και χωρίς ετικέτα για να προσδιορίσει τα μοτίβα στα δεδομένα και να κάνει προβλέψεις. Η ημι-εποπτευόμενη μάθηση μετριάζει μια σημαντική πρόκληση στη μηχανική μάθηση – τη σπανιότητα των δεδομένων με ετικέτα.

«Η χρήση της τεχνητής νοημοσύνης εξοικονομεί χρόνο και χρήμα», είπε ο Ρον. «Η τυπική διαδικασία ανακάλυψης υλικών απαιτεί ακριβές προσομοιώσεις σε έναν υπερυπολογιστή που μπορεί να διαρκέσει μήνες. Τα εργαστηριακά πειράματα μπορεί να διαρκέσουν ακόμη περισσότερο και μπορεί να είναι πιο ακριβά. Μια προσέγγιση AI έχει τη δυνατότητα να επιταχύνει τη διαδικασία ανακάλυψης υλικών».

Χρησιμοποιώντας ένα αρχικό υποσύνολο 700 υπολογισμών DFT σε έναν υπερυπολογιστή, εκπαιδεύτηκε ένα μοντέλο AI που μπορούσε να προβλέψει τις ιδιότητες πολλών χιλιάδων υποψηφίων υλικών σε χιλιοστά του δευτερολέπτου σε ένα φορητό υπολογιστή. Στη συνέχεια, η ομάδα εντόπισε πολλά υποσχόμενα υλικά vdW με μεγάλες μαγνητικές ροπές και χαμηλή ενέργεια σχηματισμού. Η χαμηλή ενέργεια σχηματισμού είναι ένας δείκτης χημικής σταθερότητας, η οποία αποτελεί σημαντική απαίτηση για τη σύνθεση του υλικού σε εργαστήριο και τις επακόλουθες βιομηχανικές εφαρμογές.

"Το πλαίσιο μας μπορεί εύκολα να εφαρμοστεί για να εξερευνήσουμε υλικά με διαφορετικές κρυσταλλικές δομές, επίσης", δήλωσε ο Rhone. «Με αυτό το πλαίσιο μπορούν επίσης να διερευνηθούν πρωτότυπα μικτής κρυσταλλικής δομής, όπως ένα σύνολο δεδομένων τόσο αλογονιδίων μετάλλων μεταπτώσεως όσο και τριχαλκογονιδίων μετάλλων μετάπτωσης».

«Ο Δρ. Η εφαρμογή της τεχνητής νοημοσύνης από τον Rhone στον τομέα της επιστήμης των υλικών συνεχίζει να παράγει συναρπαστικά αποτελέσματα», δήλωσε ο Curt Breneman, κοσμήτορας της Σχολής Επιστημών του Rensselaer. «Όχι μόνο έχει επιταχύνει την κατανόησή μας για τα δισδιάστατα υλικά που έχουν νέες ιδιότητες, αλλά τα ευρήματά του και οι μέθοδοί του είναι πιθανό να συμβάλουν σε νέες τεχνολογίες κβαντικών υπολογιστών».

Ο Ροδανός συμμετείχε στην έρευνα από τους Romakanta Bhattarai και Haralambos Gavras της Renselaer. Bethany Lusch και Misha Salim του Εθνικού Εργαστηρίου Argonne. Μάριος Ματθαιάκης, Daniel T. Larson και Ευθύμιος Καξιράς του Πανεπιστημίου Χάρβαρντ. και Yoshiharu Krockenberger των NTT Basic Research Laboratories.

####

Σχετικά με το Rensselaer Polytechnic Institute
Το Πολυτεχνικό Ινστιτούτο Rensselaer, το οποίο ιδρύθηκε το 1824, είναι το πρώτο πανεπιστήμιο τεχνολογικής έρευνας της Αμερικής. Το Rensselaer περιλαμβάνει πέντε σχολεία, περισσότερα από 30 ερευνητικά κέντρα, περισσότερα από 140 ακαδημαϊκά προγράμματα συμπεριλαμβανομένων 25 νέων προγραμμάτων και μια δυναμική κοινότητα που αποτελείται από πάνω από 6,800 φοιτητές και 104,000 ζωντανούς αποφοίτους. Η σχολή και οι απόφοιτοι του Rensselaer περιλαμβάνουν πάνω από 155 μέλη της Εθνικής Ακαδημίας, έξι μέλη του National Inventors Hall of Fame, έξι νικητές του Εθνικού Μεταλλίου Τεχνολογίας, πέντε νικητές του Εθνικού Μεταλλίου Επιστήμης και έναν βραβευμένο με Νόμπελ Φυσικής. Με σχεδόν 200 χρόνια εμπειρίας στην προώθηση της επιστημονικής και τεχνολογικής γνώσης, η Rensselaer παραμένει επικεντρωμένη στην αντιμετώπιση παγκόσμιων προκλήσεων με πνεύμα ευρηματικότητας και συνεργασίας. Για να μάθετε περισσότερα, επισκεφθείτε τη διεύθυνση www.rpi.edu.

Για περισσότερες πληροφορίες, πατήστε εδώ

Επαφές:
Καίτη Μαλατίνο
Πολυτεχνείο Rensselaer
Τηλέφωνα: 838-240-5691
@rpi

Πνευματικά δικαιώματα © Rensselaer Polytechnic Institute

Εάν έχετε ένα σχόλιο, παρακαλώ Επικοινωνία και εμείς με χαρά θα σας εξυπηρετήσουμε.

Οι εκδότες δελτίων ειδήσεων, όχι η 7th Wave, Inc. ή η Nanotechnology Now, είναι αποκλειστικά υπεύθυνες για την ακρίβεια του περιεχομένου.

Bookmark: