Nanotecnologia ora - Comunicato stampa: il ricercatore Rensselaer utilizza l'intelligenza artificiale per scoprire nuovi materiali per l'informatica avanzata Trevor Rhone utilizza l'intelligenza artificiale per identificare i magneti Van Der Waals bidimensionali

Ripubblicato da Platone

Seguaci: 0

Casa > Rassegna Stampa > Il ricercatore Rensselaer utilizza l'intelligenza artificiale per scoprire nuovi materiali per l'informatica avanzata Trevor Rhone utilizza l'intelligenza artificiale per identificare i magneti bidimensionali di van der Waals

Trevor David Rhone CREDITO Rensselaer Polytechnic Institute

Abstract:
Un team di ricercatori guidato da Trevor David Rhone del Rensselaer Polytechnic Institute, assistente professore presso il Dipartimento di fisica, fisica applicata e astronomia, ha identificato i nuovi magneti di van der Waals (vdW) utilizzando strumenti all'avanguardia nell'intelligenza artificiale (AI). In particolare, il team ha identificato materiali vdW agli alogenuri metallici di transizione con grandi momenti magnetici che si prevede siano chimicamente stabili utilizzando l'apprendimento semi-supervisionato. Questi magneti vdW bidimensionali (2D) hanno potenziali applicazioni nell'archiviazione dei dati, nella spintronica e persino nell'informatica quantistica.

Il ricercatore Rensselaer utilizza l'intelligenza artificiale per scoprire nuovi materiali per l'informatica avanzata Trevor Rhone utilizza l'intelligenza artificiale per identificare i magneti bidimensionali di van der Waals

Troia, NY | Pubblicato il 12 maggio 2023

Rhone è specializzata nello sfruttamento dell'informatica dei materiali per scoprire nuovi materiali con proprietà inaspettate che fanno progredire la scienza e la tecnologia. L'informatica dei materiali è un campo di studio emergente all'intersezione tra intelligenza artificiale e scienza dei materiali. L'ultima ricerca del suo team è stata recentemente pubblicata sulla copertina di Advanced Theory and Simulations.

I materiali 2D, che possono essere sottili come un singolo atomo, sono stati scoperti solo nel 2004 e sono stati oggetto di grande curiosità scientifica per le loro proprietà inaspettate. I magneti 2D sono significativi perché il loro ordinamento magnetico a lungo raggio persiste quando vengono ridotti a uno o pochi strati. Ciò è dovuto all'anisotropia magnetica. L'interazione con questa anisotropia magnetica e la bassa dimensionalità potrebbe dare origine a gradi di libertà di spin esotici, come le trame di spin che possono essere utilizzate nello sviluppo di architetture di calcolo quantistico. I magneti 2D coprono anche l'intera gamma di proprietà elettroniche e possono essere utilizzati in dispositivi ad alte prestazioni e ad alta efficienza energetica.

Rhone e il team hanno combinato i calcoli della teoria funzionale della densità ad alto rendimento (DFT), per determinare le proprietà dei materiali vdW, con l'intelligenza artificiale per implementare una forma di apprendimento automatico chiamato apprendimento semi-supervisionato. L'apprendimento semi-supervisionato utilizza una combinazione di dati etichettati e non etichettati per identificare modelli nei dati e fare previsioni. L'apprendimento semi-supervisionato mitiga una sfida importante nell'apprendimento automatico: la scarsità di dati etichettati.

"L'uso dell'intelligenza artificiale consente di risparmiare tempo e denaro", ha affermato Rhone. “Il tipico processo di scoperta dei materiali richiede costose simulazioni su un supercomputer che possono richiedere mesi. Gli esperimenti di laboratorio possono richiedere anche più tempo e possono essere più costosi. Un approccio basato sull'intelligenza artificiale ha il potenziale per accelerare il processo di scoperta dei materiali".

Utilizzando un sottoinsieme iniziale di 700 calcoli DFT su un supercomputer, è stato addestrato un modello di intelligenza artificiale in grado di prevedere le proprietà di molte migliaia di materiali candidati in millisecondi su un laptop. Il team ha quindi identificato promettenti materiali vdW candidati con grandi momenti magnetici e bassa energia di formazione. La bassa energia di formazione è un indicatore di stabilità chimica, che è un requisito importante per la sintesi del materiale in laboratorio e le successive applicazioni industriali.

"La nostra struttura può essere facilmente applicata anche per esplorare materiali con diverse strutture cristalline", ha affermato Rhone. «Con questo framework è possibile esplorare anche prototipi di strutture cristalline miste, come un set di dati sia di alogenuri di metalli di transizione che di tricalcogenuri di metalli di transizione».

“Dott. L'applicazione dell'intelligenza artificiale da parte di Rhone nel campo della scienza dei materiali continua a produrre risultati entusiasmanti", ha affermato Curt Breneman, decano della School of Science di Rensselaer. "Non solo ha accelerato la nostra comprensione dei materiali 2D che hanno nuove proprietà, ma è probabile che le sue scoperte e i suoi metodi contribuiscano alle nuove tecnologie di calcolo quantistico".

Rhone è stato affiancato nella ricerca da Romakanta Bhattarai e Haralambos Gavras di Renselaer; Bethany Lusch e Misha Salim dell'Argonne National Laboratory; Marios Mattheakis, Daniel T. Larson e Efthimios Kaxiras dell'Università di Harvard; e Yoshiharu Krockenberger dei laboratori di ricerca di base NTT.

####

Informazioni su Rensselaer Polytechnic Institute
Fondato nel 1824, il Rensselaer Polytechnic Institute è la prima università americana di ricerca tecnologica. Rensselaer comprende cinque scuole, oltre 30 centri di ricerca, più di 140 programmi accademici inclusi 25 nuovi programmi e una comunità dinamica composta da oltre 6,800 studenti e 104,000 ex studenti viventi. I docenti e gli ex studenti di Rensselaer includono oltre 155 membri della National Academy, sei membri della National Inventors Hall of Fame, sei vincitori della National Medal of Technology, cinque vincitori della National Medal of Science e un vincitore del Premio Nobel per la fisica. Con quasi 200 anni di esperienza nell'avanzamento delle conoscenze scientifiche e tecnologiche, Rensselaer rimane concentrato sull'affrontare le sfide globali con uno spirito di ingegno e collaborazione. Per ulteriori informazioni, visitare www.rpi.edu.

Per ulteriori informazioni, si prega di cliccare qui

Contatti:
Katia Malatino
Rensselaer Polytechnic Institute
Cell: 838-240-5691
@rpi

Se hai un commento, per favore Contatti di noi.

Gli emittenti di comunicati stampa, non 7th Wave, Inc. o Nanotechnology Now, sono gli unici responsabili dell'accuratezza del contenuto.

Segnalibro: