Nanoteknologia nyt - Lehdistötiedote: Rensselaerin tutkija käyttää tekoälyä löytääkseen uusia materiaaleja edistyneeseen tietojenkäsittelyyn Trevor Rhone käyttää tekoälyä kaksiulotteisten Van Der Waals -magneettien tunnistamiseen

Julkaissut Platon

seuraajia: 0

Koti > lehdistö > Rensselaer-tutkija käyttää tekoälyä löytääkseen uusia materiaaleja edistynyttä laskentaa varten Trevor Rhone käyttää tekoälyä tunnistaakseen kaksiulotteiset van der Waals -magneetit

Trevor David Rhone CREDIT Rensselaer Polytechnic Institute

Tiivistelmä:
Rensselaer Polytechnic Instituten fysiikan, soveltavan fysiikan ja tähtitieteen laitoksen apulaisprofessori Trevor David Rhonen johtama tutkijaryhmä on tunnistanut uusia van der Waals (vdW) magneetteja käyttämällä tekoälyn (AI) huippuluokan työkaluja. Erityisesti ryhmä tunnisti siirtymämetallihalogenidit vdW-materiaalit, joilla on suuret magneettiset momentit ja joiden ennustetaan olevan kemiallisesti stabiileja käyttämällä puolivalvottua oppimista. Näillä kaksiulotteisilla (2D) vdW-magneeteilla on potentiaalisia sovelluksia tiedontallennuksessa, spintroniikassa ja jopa kvanttilaskennassa.

Rensselaer-tutkija käyttää tekoälyä löytääkseen uusia materiaaleja edistykselliseen laskentaan Trevor Rhone käyttää tekoälyä tunnistaakseen kaksiulotteiset van der Waals -magneetit

Troy, NY | Julkaistu 12. toukokuuta 2023

Rhone on erikoistunut materiaaliinformatiikan hyödyntämiseen löytääkseen uusia materiaaleja, joilla on odottamattomia ominaisuuksia ja jotka edistävät tiedettä ja teknologiaa. Materiaaliinformatiikka on nouseva tutkimusala tekoälyn ja materiaalitieteen risteyksessä. Hänen tiiminsä viimeisin tutkimus esiteltiin äskettäin Advanced Theory and Simulations -lehden kannessa.

2D-materiaalit, jotka voivat olla yhtä ohuita kuin yksi atomi, löydettiin vasta vuonna 2004, ja ne ovat olleet suuren tieteellisen uteliaisuuden kohteena odottamattomien ominaisuuksiensa vuoksi. 2D-magneetit ovat tärkeitä, koska niiden pitkän kantaman magneettinen järjestys säilyy, kun niitä ohennetaan yhteen tai muutamaan kerrokseen. Tämä johtuu magneettisesta anisotropiasta. Vuorovaikutus tämän magneettisen anisotropian ja alhaisen ulottuvuuden kanssa voi aiheuttaa eksoottisia spin-vapausasteita, kuten spin-kuvioita, joita voidaan käyttää kvanttilaskenta-arkkitehtuurien kehittämisessä. 2D-magneetit kattavat myös kaikki elektroniset ominaisuudet, ja niitä voidaan käyttää tehokkaissa ja energiatehokkaissa laitteissa.

Rhone ja tiimi yhdistivät DFT-laskelmat määrittääkseen vdW-materiaalien ominaisuudet ja tekoälyn toteuttaakseen koneoppimisen muodon, jota kutsutaan puolivalvotuksi oppimiseksi. Puoliohjattu oppiminen käyttää tunnistettujen ja merkitsemättömien tietojen yhdistelmää datan kuvioiden tunnistamiseen ja ennusteiden tekemiseen. Puoliohjattu oppiminen lieventää koneoppimisen suurta haastetta – merkittyjen tietojen niukkuutta.

"Tekoälyn käyttäminen säästää aikaa ja rahaa", Rhone sanoi. "Tyypillinen materiaalien etsintäprosessi vaatii kalliita simulaatioita supertietokoneella, joka voi kestää kuukausia. Laboratoriokokeet voivat kestää jopa kauemmin ja olla kalliimpia. Tekoälymenetelmällä on potentiaalia nopeuttaa materiaalien etsintäprosessia."

Käyttämällä 700 DFT-laskelman alustavaa osajoukkoa supertietokoneella opetettiin tekoälymalli, joka pystyi ennustamaan useiden tuhansien materiaaliehdokkaiden ominaisuudet millisekunneissa kannettavalla tietokoneella. Tämän jälkeen ryhmä tunnisti lupaavia ehdokasmateriaaleja, joilla on suuret magneettiset momentit ja pieni muodostusenergia. Matala muodostusenergia on kemiallisen stabiilisuuden indikaattori, joka on tärkeä vaatimus materiaalin syntetisoinnissa laboratoriossa ja myöhemmissä teollisissa sovelluksissa.

"Meidän kehikkoamme voidaan helposti soveltaa tutkimaan myös materiaaleja, joilla on erilaisia kiderakenteita", Rhone sanoi. "Tällä viitekehyksellä voidaan tutkia myös sekakiderakenteen prototyyppejä, kuten tietojoukko sekä siirtymämetallihalogenideista että siirtymämetallitrikalkogenideista."

"DR. Rhonen tekoälyn sovellus materiaalitieteen alalla tuottaa edelleen jännittäviä tuloksia", sanoi Curt Breneman, Rensselaer's School of Sciencen dekaani. "Hän ei ole vain nopeuttanut ymmärrystämme 2D-materiaaleista, joilla on uusia ominaisuuksia, mutta hänen löydöksensä ja menetelmänsä ovat todennäköisesti omiaan edistämään uusia kvanttilaskentateknologioita."

Rhone liittyi tutkimukseen Romakanta Bhattarai ja Haralambos Gavras Renselaer; Bethany Lusch ja Misha Salim Argonnen kansallisesta laboratoriosta; Marios Mattheakis, Daniel T. Larson ja Efthimios Kaxiras Harvardin yliopistosta; ja Yoshiharu Krockenberger NTT Basic Research Laboratoriesista.

####

Tietoja Rensselaer-ammattikorkeakoulusta
Vuonna 1824 perustettu Rensselaer Polytechnic Institute on Amerikan ensimmäinen teknologian tutkimusyliopisto. Rensselaer käsittää viisi koulua, yli 30 tutkimuskeskusta, yli 140 akateemista ohjelmaa, mukaan lukien 25 uutta ohjelmaa, ja dynaamisen yhteisön, joka koostuu yli 6,800 104,000 opiskelijasta ja 155 200 elävästä alumnista. Rensselaerin tiedekuntaan ja alumniin kuuluu yli XNUMX National Academyn jäsentä, kuusi National Inventors Hall of Famen jäsentä, kuusi National Medal of Technology -voittajaa, viisi National Medal of Science -voittajaa ja yksi fysiikan Nobel-palkinnon voittaja. Lähes XNUMX vuoden kokemuksella tieteellisen ja teknologisen tietämyksen edistämisestä Rensselaer keskittyy edelleen vastaamaan globaaleihin haasteisiin kekseliäisyyden ja yhteistyön hengessä. Lisätietoja on osoitteessa www.rpi.edu.

Saat lisätietoja napsauttamalla tätä

Yhteydet:
Katie Malatino
Rensselaer-ammattikorkeakoulu
Cell: 838-240-5691
@rpi

Jos sinulla on kommentteja, kiitos Ota yhteyttä meille.

Lehdistötiedotteiden liikkeeseenlaskijat, eivät 7th Wave, Inc. tai Nanotechnology Now, ovat yksin vastuussa sisällön oikeellisuudesta.

Kirjanmerkki: