Narzędzia AI do badań materiałowych i nanotechnologii – Świat Fizyki

W ostatnich latach nastąpił szereg postępów technologicznych i naukowych dzięki zbieżności uczenia maszynowego z fizyką w nanoskali. To seminarium internetowe analizuje tę szybko rozwijającą się dziedzinę „inteligentnej nanotechnologii” i skupia czterech czołowych badaczy z tej dziedziny.

Podczas webinaru prowadzonego przez NanoPrzyszłość, dowiemy się o niektórych najnowszych osiągnięciach i przełomach, jakie mają miejsce, przewidywanym kierunku, jaki może przyjąć ta dziedzina w przyszłości, a także o najważniejszych obecnie stojących wyzwaniach.

Keith Brown, Uniwersytet Bostoński, USA
Prezentacja: W stronę odkrywania materiałów w obiegu zamkniętym w skali femtogramu za pomocą sond skanujących
Keith A Brown jest profesorem nadzwyczajnym inżynierii mechanicznej, nauki i inżynierii materiałowej oraz fizyki na Uniwersytecie Bostońskim. KABlab bada podejścia mające na celu przyspieszenie rozwoju zaawansowanych materiałów i struktur, ze szczególnym uwzględnieniem polimerów. Aby osiągnąć te cele, grupa wykorzystuje autonomiczne laboratoria, produkcję przyrostową, techniki sond skanujących i uczenie maszynowe. Keith jest współautorem ponad 100 recenzowanych publikacji i posiada sześć wydanych patentów. Keith otrzymał nagrodę Frontiers of Materials Award od The Minerals, Metals, & Materials Society (TMS), został nazwany „Przyszłą Gwiazdą AVS” i otrzymał nagrodę Omara Farha za przywództwo w badaniach od Northwestern University. Keith służył na nano Letters Early Career Advisory Board, współorganizowała warsztaty Narodowej Akademii Nauk, Inżynierii i Medycyny na temat sztucznej inteligencji na rzecz odkryć naukowych, a obecnie kieruje grupą zadaniową MRS ds. sztucznej inteligencji w rozwoju materiałów.

Siergiej Kalinin, Uniwersytet Tennessee w Knoxville i Pacific Northwest National Laboratory, USA
Prezentacja: Fizyka i odkrywanie zależności struktura-właściwość za pomocą zautomatyzowanej mikroskopii z sondą skanującą
Sergei V Kalinin jest profesorem Weston Fulton na Uniwersytecie Tennessee w Knoxville i głównym naukowcem ds. ML/AI w naukach fizycznych w Pacific Northwest National Laboratory. Jego zainteresowania badawcze obejmują uczenie maszynowe na potrzeby odkrywania i optymalizacji materiałów, bezpośrednie składanie atomów za pomocą wiązek elektronów, zastosowania uczenia maszynowego i sztucznej inteligencji do ekstrakcji fizyki z danych obrazowych rozdzielonych atomowo i mezoskopowo oraz łączenie zjawisk elektromechanicznych, elektrycznych i transportowych w nanoskali. Jest laureatem wielu nagród, w tym Medalu Medarda Welcha ACS (2023) i Krajowych Nagród Blavatnik dla Młodych Naukowców (2018). Siergiej opublikował ponad 700 artykułów w czasopismach naukowych, zredagował cztery książki i jest posiadaczem ponad 10 patentów. Siergiej organizował liczne sympozja na całym świecie, jest konsultantem takich firm jak Intel i kilku producentów mikroskopów z sondą skanującą, a także zasiada w radach redakcyjnych wielu międzynarodowych czasopism akademickich.

Amandę Barnard, Australijski Uniwersytet Narodowy w Australii
Prezentacja: Interpretowalne cechy, wpływowe przykłady i wyjaśnialne modele uczenia maszynowego dla nanonauki i technologii
Amanda Barnard jest jedną z najczęściej nagradzanych australijskich naukowców zajmujących się obliczeniami. Obecnie prowadzi badania na styku modelowania obliczeniowego, wysokowydajnych obliczeń superkomputerowych oraz stosowanego uczenia maszynowego i sztucznej inteligencji (AI). Uzyskała tytuł licencjata (z wyróżnieniem) w dziedzinie fizyki stosowanej w 2000 r., doktorat z teoretycznej fizyki materii skondensowanej w 2003 r. i doktorat w 2020 r. na Uniwersytecie RMIT. Dzięki ponad 20-letniemu doświadczeniu w obliczeniach o wysokiej wydajności, modelowaniu obliczeniowym i informatyce Amanda zasiada w zarządach różnych instytucji. Została wyróżniona za zdolności przywódcze i nagrodzona w pięciu dyscyplinach naukowych. Jest członkiem Australijskiego Instytutu Fizyki (FAIP), Królewskiego Towarzystwa Chemii (FRSC), a w 2022 roku została mianowana Członkiem Orderu Australii (AM). Amanda jest obecną redaktorką naczelną NanoPrzyszłość a jej obecne zainteresowania badawcze obejmują stosowane uczenie maszynowe i sztuczną inteligencję, analizę danych i badania elektroniczne oraz obliczenia o wysokiej wydajności.

Jarosława Yingling, Uniwersytet Stanowy Karoliny Północnej, USA
Prezentacja: W kierunku fuzji danych w materiałoznawstwie: łączenie symulacji i eksperymentów z nauką o danych
Kobe Steel Distinguished Professor, Yaroslava G Yingling jest zastępcą kierownika katedry, stypendystą Wydziału Uniwersyteckiego i dyrektorem programów licencjackich. Dyplom uniwersytecki w dziedzinie informatyki i inżynierii uzyskała na Państwowym Uniwersytecie Technicznym w Petersburgu w Rosji, a tytuł doktora w dziedzinie inżynierii materiałowej i obliczeń wielkiej skali na Uniwersytecie Stanowym w Pensylwanii w 2002 roku. Prowadziła badania podoktorskie na wydziale chemii Uniwersytetu Penn State oraz w w Narodowym Instytucie Zdrowia, Narodowym Instytucie Raka, przed rozpoczęciem pracy na Uniwersytecie Stanowym Karoliny Północnej w 2007 r. Jest redaktorką czasopisma Springer J.czasopismo Nauki o Materiałach oraz członek rady redakcyjnej ACS Biomateriały Nauka i inżynieria i Materiały i interfejsy ACS. Otrzymała nagrodę National Science Foundation CAREER oraz nagrodę Open Eye Young Investigator Award Amerykańskiego Towarzystwa Chemicznego, a także została stypendystką wydziału NC State University. W 2021 roku została przyjęta do NC State Research Leadership Academy i otrzymała nagrodę NC State Alumni Association za wybitne badania.

O tym czasopiśmie

NanoPrzyszłość to multidyscyplinarne czasopismo o dużym wpływie, publikujące badania podstawowe i stosowane w czołówce nanonauki i innowacji technologicznych.

Redaktor naczelny: Amanda Barnard, starszy profesor nauk obliczeniowych i zastępca dyrektora School of Computing na Australian National University.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://physicsworld.com/a/ai-tools-for-materials-research-and-nanotechnology/