Teraz nanotechnologia — komunikat prasowy: Badacz Rensselaera wykorzystuje sztuczną inteligencję do odkrywania nowych materiałów do zaawansowanych obliczeń Trevor Rhone wykorzystuje sztuczną inteligencję do identyfikacji dwuwymiarowych magnesów Van Der Waalsa

Opublikowane ponownie przez Plato

Obserwuje: 0

Strona główna > Naciśnij przycisk > Badacz Rensselaera wykorzystuje sztuczną inteligencję do odkrywania nowych materiałów do zaawansowanych obliczeń Trevor Rhone wykorzystuje sztuczną inteligencję do identyfikacji dwuwymiarowych magnesów van der Waalsa

Trevor David Rhone KREDYT Instytut Politechniczny Rensselaer

Abstrakcyjny:
Zespół badaczy kierowany przez Trevora Davida Rhone’a z Rensselaer Polytechnic Institute, adiunkta na Wydziale Fizyki, Fizyki Stosowanej i Astronomii, zidentyfikował nowe magnesy van der Waalsa (vdW) przy użyciu najnowocześniejszych narzędzi sztucznej inteligencji (AI). W szczególności zespół zidentyfikował materiały vdW z halogenkami metali przejściowych o dużych momentach magnetycznych, w przypadku których przewiduje się, że będą stabilne chemicznie w oparciu o uczenie się częściowo nadzorowane. Te dwuwymiarowe (2D) magnesy vdW mają potencjalne zastosowania w przechowywaniu danych, spintronice, a nawet obliczeniach kwantowych.

Badacz Rensselaer wykorzystuje sztuczną inteligencję do odkrywania nowych materiałów do zaawansowanych obliczeń Trevor Rhone wykorzystuje sztuczną inteligencję do identyfikacji dwuwymiarowych magnesów van der Waalsa

Troy, Nowy Jork | Opublikowano 12 maja 2023 r

Rhone specjalizuje się w wykorzystaniu informatyki materiałowej do odkrywania nowych materiałów o nieoczekiwanych właściwościach, które przyczyniają się do postępu w nauce i technologii. Informatyka materiałowa to nowy kierunek studiów na styku sztucznej inteligencji i inżynierii materiałowej. Najnowsze badania jego zespołu zostały niedawno zaprezentowane na okładce Advanced Theory and Simulations.

Materiały 2D, które mogą mieć grubość zaledwie pojedynczego atomu, odkryto dopiero w 2004 roku i stały się przedmiotem wielkiej ciekawości naukowej ze względu na ich nieoczekiwane właściwości. Magnesy 2D są istotne, ponieważ ich uporządkowanie magnetyczne o dużym zasięgu utrzymuje się, gdy zostaną rozcieńczone do jednej lub kilku warstw. Dzieje się tak na skutek anizotropii magnetycznej. Wzajemne oddziaływanie anizotropii magnetycznej i niskiej wymiarowości może skutkować powstaniem egzotycznych stopni swobody spinu, takich jak tekstury spinu, które można wykorzystać w opracowywaniu architektur obliczeń kwantowych. Magnesy 2D obejmują również pełny zakres właściwości elektronicznych i mogą być stosowane w urządzeniach o wysokiej wydajności i energooszczędności.

Rhone i zespół połączyli obliczenia z zakresu wysokoprzepustowej teorii funkcjonału gęstości (DFT), aby określić właściwości materiałów vdW, ze sztuczną inteligencją w celu wdrożenia formy uczenia maszynowego zwanej uczeniem się częściowo nadzorowanym. Uczenie się częściowo nadzorowane wykorzystuje kombinację danych oznaczonych i nieoznaczonych do identyfikowania wzorców w danych i tworzenia prognoz. Uczenie się częściowo nadzorowane łagodzi główne wyzwanie w uczeniu maszynowym – niedobór oznakowanych danych.

„Korzystanie ze sztucznej inteligencji oszczędza czas i pieniądze” – powiedział Rhone. „Typowy proces odkrywania materiałów wymaga kosztownych symulacji na superkomputerze, co może zająć miesiące. Eksperymenty laboratoryjne mogą trwać jeszcze dłużej i mogą być droższe. Podejście oparte na sztucznej inteligencji może potencjalnie przyspieszyć proces odkrywania materiałów”.

Wykorzystując początkowy podzbiór 700 obliczeń DFT na superkomputerze, wyszkolono model sztucznej inteligencji, który może przewidzieć właściwości wielu tysięcy kandydatów na materiały w ciągu milisekund na laptopie. Następnie zespół zidentyfikował obiecujące materiały kandydujące na vdW charakteryzujące się dużymi momentami magnetycznymi i niską energią tworzenia. Niska energia tworzenia jest wskaźnikiem stabilności chemicznej, która jest ważnym wymaganiem przy syntezie materiału w laboratorium i późniejszych zastosowaniach przemysłowych.

„Nasze ramy można z łatwością zastosować do badania materiałów o różnych strukturach krystalicznych” – powiedział Rhone. „W tym środowisku można również badać prototypy mieszanej struktury krystalicznej, takie jak zbiór danych zarówno halogenków metali przejściowych, jak i trichalkogenków metali przejściowych”.

"Dr. Zastosowanie sztucznej inteligencji przez Rhone w dziedzinie inżynierii materiałowej w dalszym ciągu przynosi ekscytujące wyniki” – powiedział Curt Breneman, dziekan Rensselaer School of Science. „Nie tylko przyspieszył naszą wiedzę na temat materiałów 2D o nowatorskich właściwościach, ale jego odkrycia i metody prawdopodobnie przyczynią się do powstania nowych technologii obliczeń kwantowych”.

Do badań do Rhone dołączyli Romakanta Bhattarai i Haralambos Gavras z Renselaer; Bethany Lusch i Misha Salim z Narodowego Laboratorium Argonne; Marios Mattheakis, Daniel T. Larson i Efthimios Kaxiras z Uniwersytetu Harvarda; oraz Yoshiharu Krockenberger z laboratoriów badań podstawowych NTT.

####

O Rensselaer Polytechnic Institute
Założony w 1824 roku Rensselaer Polytechnic Institute jest pierwszą amerykańską uczelnią zajmującą się badaniami technologicznymi. Rensselaer obejmuje pięć szkół, ponad 30 ośrodków badawczych, ponad 140 programów akademickich, w tym 25 nowych, oraz dynamiczną społeczność składającą się z ponad 6,800 studentów i 104,000 155 żyjących absolwentów. Wśród wykładowców i absolwentów Rensselaer znajduje się ponad 200 członków National Academy, sześciu członków National Inventors Hall of Fame, sześciu zdobywców Narodowego Medalu Technologii, pięciu zdobywców Narodowego Medalu Nauki i zdobywca Nagrody Nobla w dziedzinie fizyki. Dzięki prawie XNUMX-letniemu doświadczeniu w poszerzaniu wiedzy naukowej i technologicznej Rensselaer w dalszym ciągu koncentruje się na stawianiu czoła globalnym wyzwaniom w duchu pomysłowości i współpracy. Więcej informacji można znaleźć na stronie www.rpi.edu.

Aby uzyskać więcej informacji, kliknij tutaj

Łączność:
Katie Malatino
Rensselaer Polytechnic Institute
Komórka: 838-240-5691
@rpi

Prawa autorskie © Rensselaer Polytechnic Institute

Jeśli masz komentarz, proszę Kontakt my.

Wydawcy komunikatów prasowych, a nie 7th Wave, Inc. lub Nanotechnology Now, ponoszą wyłączną odpowiedzialność za dokładność treści.

Zakładka: