Nanoteknologi Sekarang - Siaran Pers: Peneliti Rensselaer Menggunakan Kecerdasan Buatan Untuk Menemukan Material Baru Untuk Komputasi Tingkat Lanjut Trevor Rhone Menggunakan AI Untuk Mengidentifikasi Magnet Van Der Waals Dua Dimensi

Diterbitkan Ulang Oleh Plato

Followers: 0

Beranda > Tekan > Peneliti Rensselaer menggunakan kecerdasan buatan untuk menemukan material baru untuk komputasi tingkat lanjut Trevor Rhone menggunakan AI untuk mengidentifikasi magnet van der Waals dua dimensi

Institut Politeknik Rensselaer KREDIT Trevor David Rhone

Abstrak:
Sebuah tim peneliti yang dipimpin oleh Trevor David Rhone dari Rensselaer Polytechnic Institute, asisten profesor di Departemen Fisika, Fisika Terapan, dan Astronomi, telah mengidentifikasi magnet novel van der Waals (vdW) menggunakan alat mutakhir dalam kecerdasan buatan (AI). Secara khusus, tim mengidentifikasi bahan logam transisi halida vdW dengan momen magnet besar yang diperkirakan stabil secara kimia menggunakan pembelajaran semi-diawasi. Magnet vdW dua dimensi (2D) ini memiliki aplikasi potensial dalam penyimpanan data, spintronik, dan bahkan komputasi kuantum.

Peneliti Rensselaer menggunakan kecerdasan buatan untuk menemukan material baru untuk komputasi tingkat lanjut Trevor Rhone menggunakan AI untuk mengidentifikasi magnet van der Waals dua dimensi

Troy, NY | Diposting pada 12 Mei 2023

Rhone berspesialisasi dalam memanfaatkan informatika material untuk menemukan material baru dengan sifat tak terduga yang memajukan sains dan teknologi. Informatika material adalah bidang studi yang muncul di persimpangan AI dan ilmu material. Penelitian terbaru timnya baru-baru ini ditampilkan di sampul Advanced Theory and Simulations.

Materi 2D, yang bisa setipis atom tunggal, baru ditemukan pada tahun 2004 dan telah menjadi subjek keingintahuan ilmiah yang besar karena sifatnya yang tidak terduga. Magnet 2D penting karena urutan magnet jarak jauhnya tetap ada saat menipis menjadi satu atau beberapa lapisan. Ini karena anisotropi magnetik. Interaksi dengan anisotropi magnetik dan dimensi rendah ini dapat memunculkan derajat kebebasan putaran eksotis, seperti tekstur putaran yang dapat digunakan dalam pengembangan arsitektur komputasi kuantum. Magnet 2D juga menjangkau berbagai properti elektronik dan dapat digunakan dalam perangkat berperforma tinggi dan hemat energi.

Rhone dan tim menggabungkan kalkulasi teori fungsional kerapatan (DFT) throughput tinggi, untuk menentukan properti materi vdW, dengan AI untuk mengimplementasikan bentuk pembelajaran mesin yang disebut pembelajaran semi-diawasi. Pembelajaran semi-diawasi menggunakan kombinasi data berlabel dan tidak berlabel untuk mengidentifikasi pola dalam data dan membuat prediksi. Pembelajaran semi-diawasi mengurangi tantangan utama dalam pembelajaran mesin – kelangkaan data berlabel.

“Menggunakan AI menghemat waktu dan uang,” kata Rhone. “Proses penemuan material yang khas membutuhkan simulasi mahal di superkomputer yang bisa memakan waktu berbulan-bulan. Eksperimen laboratorium bisa memakan waktu lebih lama dan bisa lebih mahal. Pendekatan AI memiliki potensi untuk mempercepat proses penemuan material.”

Dengan menggunakan subset awal 700 kalkulasi DFT pada superkomputer, model AI dilatih yang dapat memprediksi properti dari ribuan kandidat material dalam milidetik di laptop. Tim kemudian mengidentifikasi calon material vdW yang menjanjikan dengan momen magnetik besar dan energi formasi rendah. Energi formasi yang rendah merupakan indikator stabilitas kimia, yang merupakan persyaratan penting untuk mensintesis bahan di laboratorium dan aplikasi industri selanjutnya.

“Kerangka kami dapat dengan mudah diterapkan untuk mengeksplorasi material dengan struktur kristal yang berbeda juga,” kata Rhone. “Prototipe struktur kristal campuran, seperti kumpulan data halida logam transisi dan trikalkogenida logam transisi, juga dapat dieksplorasi dengan kerangka kerja ini.”

“Dr. Penerapan AI oleh Rhone ke bidang ilmu material terus menghasilkan hasil yang menarik,” kata Curt Breneman, dekan Sekolah Sains Rensselaer. “Dia tidak hanya mempercepat pemahaman kita tentang material 2D yang memiliki properti baru, tetapi temuan dan metodenya kemungkinan besar akan berkontribusi pada teknologi komputasi kuantum baru.”

Rhone bergabung dalam penelitian oleh Romakanta Bhattarai dan Haralambos Gavras dari Renselaer; Bethany Lusch dan Misha Salim dari Argonne National Laboratory; Marios Mattheakis, Daniel T. Larson, dan Efthimios Kaxiras dari Universitas Harvard; dan Yoshiharu Krockenberger dari Laboratorium Riset Dasar NTT.

####

Tentang Rensselaer Polytechnic Institute
Didirikan pada tahun 1824, Rensselaer Polytechnic Institute adalah universitas riset teknologi pertama di Amerika. Rensselaer mencakup lima sekolah, lebih dari 30 pusat penelitian, lebih dari 140 program akademik termasuk 25 program baru, dan komunitas dinamis yang terdiri dari lebih dari 6,800 siswa dan 104,000 alumni yang masih hidup. Fakultas dan alumni Rensselaer mencakup lebih dari 155 anggota Akademi Nasional, enam anggota Hall of Fame Penemu Nasional, enam pemenang Medali Teknologi Nasional, lima pemenang Medali Sains Nasional, dan pemenang Hadiah Nobel dalam Fisika. Dengan pengalaman hampir 200 tahun dalam memajukan ilmu pengetahuan dan teknologi, Rensselaer tetap fokus untuk mengatasi tantangan global dengan semangat kecerdikan dan kolaborasi. Untuk mempelajari lebih lanjut, silakan kunjungi www.rpi.edu.

Untuk informasi lebih lanjut, silakan klik di sini

Kontak:
Katie Malatino
Rensselaer Polytechnic Institute
Sel: 838-240-5691
@rpi

Hak Cipta © Institut Politeknik Rensselaer

Jika Anda punya komentar, silakan Kontak kita.

Penerbit rilis berita, bukan 7th Wave, Inc. atau Nanotechnology Now, semata-mata bertanggung jawab atas keakuratan konten.

Bookmark: