นาโนเทคโนโลยีตอนนี้ - ข่าวประชาสัมพันธ์: นักวิจัย Rensselaer ใช้ปัญญาประดิษฐ์เพื่อค้นหาวัสดุใหม่สำหรับการประมวลผลขั้นสูง Trevor Rhone ใช้ AI เพื่อระบุแม่เหล็ก Van Der Waals สองมิติ

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

หน้าแรก > ข่าวประชา > นักวิจัยของ Rensselaer ใช้ปัญญาประดิษฐ์เพื่อค้นหาวัสดุใหม่สำหรับการประมวลผลขั้นสูง Trevor Rhone ใช้ AI เพื่อระบุแม่เหล็ก van der Waals สองมิติ

เทรเวอร์ เดวิด โรน เครดิต สถาบันสารพัดช่าง Rensselaer

นามธรรม:
ทีมนักวิจัยที่นำโดย Trevor David Rhone จาก Rensselaer Polytechnic Institute ผู้ช่วยศาสตราจารย์ในภาควิชาฟิสิกส์ ฟิสิกส์ประยุกต์ และดาราศาสตร์ ได้ระบุแม่เหล็ก van der Waals (vdW) ใหม่โดยใช้เครื่องมือล้ำสมัยในด้านปัญญาประดิษฐ์ (AI) โดยเฉพาะอย่างยิ่ง ทีมงานได้ระบุวัสดุ vdW ของโลหะทรานซิชันที่มีโมเมนต์แม่เหล็กขนาดใหญ่ที่คาดการณ์ว่าจะมีความเสถียรทางเคมีโดยใช้การเรียนรู้แบบกึ่งควบคุม แม่เหล็ก vdW สองมิติ (2D) เหล่านี้มีศักยภาพในการใช้งานในการจัดเก็บข้อมูล สปินทรอนิกส์ และแม้แต่การคำนวณควอนตัม

นักวิจัยของ Rensselaer ใช้ปัญญาประดิษฐ์เพื่อค้นหาวัสดุใหม่สำหรับการประมวลผลขั้นสูง Trevor Rhone ใช้ AI เพื่อระบุแม่เหล็ก van der Waals สองมิติ

ทรอย นิวยอร์ก | โพสต์เมื่อวันที่ 12 พฤษภาคม 2023

Rhone เชี่ยวชาญในการควบคุมข้อมูลวัสดุเพื่อค้นพบวัสดุใหม่ที่มีคุณสมบัติที่คาดไม่ถึงซึ่งพัฒนาวิทยาศาสตร์และเทคโนโลยี สารสนเทศศาสตร์เป็นสาขาวิชาเกิดใหม่ที่ผสมผสานระหว่าง AI และวัสดุศาสตร์ งานวิจัยล่าสุดของทีมของเขาเพิ่งนำเสนอบนหน้าปกของทฤษฎีและการจำลองขั้นสูง

วัสดุ 2 มิติ ซึ่งสามารถบางได้เท่ากับอะตอมเดียว ถูกค้นพบในปี 2004 เท่านั้น และตกเป็นประเด็นที่อยากรู้อยากเห็นทางวิทยาศาสตร์อย่างมาก เนื่องจากมีคุณสมบัติที่คาดไม่ถึง แม่เหล็ก 2 มิติมีความสำคัญเนื่องจากการเรียงลำดับแม่เหล็กระยะยาวยังคงอยู่เมื่อถูกทำให้บางลงเหลือชั้นเดียวหรือสองสามชั้น นี่เป็นเพราะแอนไอโซโทรปีแม่เหล็ก การมีปฏิสัมพันธ์กับแอนไอโซโทรปีแม่เหล็กและมิติที่ต่ำอาจก่อให้เกิดระดับอิสระของการหมุนที่แปลกใหม่ เช่น พื้นผิวการหมุนที่สามารถใช้ในการพัฒนาสถาปัตยกรรมคอมพิวเตอร์ควอนตัม แม่เหล็ก 2 มิติยังครอบคลุมคุณสมบัติทางอิเล็กทรอนิกส์อย่างเต็มรูปแบบ และสามารถใช้ในอุปกรณ์ประสิทธิภาพสูงและประหยัดพลังงาน

Rhone และทีมผสมผสานการคำนวณทฤษฎีฟังก์ชันความหนาแน่นสูง (DFT) เพื่อกำหนดคุณสมบัติของวัสดุ vdW ร่วมกับ AI เพื่อใช้รูปแบบการเรียนรู้ของเครื่องที่เรียกว่าการเรียนรู้แบบกึ่งมีผู้ดูแล การเรียนรู้แบบมีผู้สอนกึ่งใช้การผสมผสานระหว่างข้อมูลที่มีป้ายกำกับและที่ไม่มีป้ายกำกับเพื่อระบุรูปแบบในข้อมูลและทำการคาดการณ์ การเรียนรู้แบบกึ่งมีผู้สอนช่วยลดความท้าทายที่สำคัญในการเรียนรู้ของเครื่อง ซึ่งก็คือการขาดแคลนข้อมูลที่ติดป้ายกำกับ

“การใช้ AI ช่วยประหยัดเวลาและเงิน” Rhone กล่าว “กระบวนการค้นพบวัสดุโดยทั่วไปต้องใช้การจำลองราคาแพงบนซูเปอร์คอมพิวเตอร์ซึ่งอาจใช้เวลาหลายเดือน การทดลองในห้องปฏิบัติการอาจใช้เวลานานกว่าและอาจมีราคาแพงกว่า แนวทาง AI มีศักยภาพในการเร่งกระบวนการค้นหาวัสดุให้เร็วขึ้น”

ด้วยการใช้ชุดย่อยเริ่มต้นของการคำนวณ 700 DFT บนซูเปอร์คอมพิวเตอร์ โมเดล AI ได้รับการฝึกอบรมซึ่งสามารถทำนายคุณสมบัติของวัสดุหลายพันชนิดในหน่วยมิลลิวินาทีบนแล็ปท็อปได้ จากนั้นทีมงานได้ระบุวัสดุ vdW ที่มีศักยภาพซึ่งมีโมเมนต์แม่เหล็กขนาดใหญ่และพลังงานการก่อตัวต่ำ พลังงานการก่อตัวต่ำเป็นตัวบ่งชี้ความเสถียรทางเคมี ซึ่งเป็นข้อกำหนดที่สำคัญสำหรับการสังเคราะห์วัสดุในห้องปฏิบัติการและการใช้งานทางอุตสาหกรรมในภายหลัง

“กรอบงานของเราสามารถนำไปใช้ได้อย่างง่ายดายในการสำรวจวัสดุที่มีโครงสร้างผลึกที่แตกต่างกันเช่นกัน” Rhone กล่าว “ต้นแบบโครงสร้างผลึกแบบผสม เช่น ชุดข้อมูลของทั้งทรานซิชันเมทัลฮาไลด์และไทรแชลโคเจนไนด์ของทรานซิชันโลหะ สามารถสำรวจได้ด้วยกรอบการทำงานนี้”

“ดร. การประยุกต์ใช้ AI ของ Rhone ในสาขาวัสดุศาสตร์ยังคงให้ผลลัพธ์ที่น่าตื่นเต้น” Curt Breneman คณบดีคณะวิทยาศาสตร์ของ Rensselaer กล่าว “เขาไม่เพียงแต่เร่งความเข้าใจของเราเกี่ยวกับวัสดุ 2 มิติที่มีคุณสมบัติแปลกใหม่เท่านั้น แต่การค้นพบและวิธีการของเขามีแนวโน้มที่จะมีส่วนช่วยในเทคโนโลยีคอมพิวเตอร์ควอนตัมใหม่ๆ”

Rhone เข้าร่วมในการวิจัยโดย Romakanta Bhattarai และ Haralambos Gavras จาก Renselaer; Bethany Lusch และ Misha Salim จากห้องปฏิบัติการแห่งชาติ Argonne; Marios Mattheakis, Daniel T. Larson และ Efthimios Kaxiras จากมหาวิทยาลัยฮาร์วาร์ด; และ Yoshiharu Krockenberger จาก NTT Basic Research Laboratories

####

เกี่ยวกับสถาบันสารพัดช่าง Rensselaer
Rensselaer Polytechnic Institute ก่อตั้งขึ้นในปี 1824 เป็นมหาวิทยาลัยวิจัยเทคโนโลยีแห่งแรกของอเมริกา Rensselaer ครอบคลุมโรงเรียน 30 แห่ง, ศูนย์การวิจัยมากกว่า 140 แห่ง, หลักสูตรการศึกษามากกว่า 25 หลักสูตร รวมถึงหลักสูตรใหม่ 6,800 หลักสูตร และชุมชนที่มีชีวิตชีวาซึ่งประกอบด้วยนักเรียนมากกว่า 104,000 คนและศิษย์เก่าที่ยังมีชีวิตอยู่ 155 คน คณาจารย์และศิษย์เก่าของ Rensselaer ประกอบด้วยสมาชิก National Academy กว่า 200 คน สมาชิกหอเกียรติยศนักประดิษฐ์แห่งชาติ XNUMX คน ผู้ชนะรางวัล National Medal of Technology XNUMX คน ผู้ชนะ National Medal of Science XNUMX คน และผู้ได้รับรางวัลโนเบลสาขาฟิสิกส์ XNUMX คน ด้วยประสบการณ์เกือบ XNUMX ปีในการพัฒนาความรู้ทางวิทยาศาสตร์และเทคโนโลยี Rensselaer ยังคงมุ่งเน้นไปที่การรับมือกับความท้าทายระดับโลกด้วยจิตวิญญาณแห่งความเฉลียวฉลาดและความร่วมมือ หากต้องการเรียนรู้เพิ่มเติม กรุณาเยี่ยมชมที่ www.rpi.edu

สำหรับข้อมูลเพิ่มเติมกรุณาคลิก โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม

ติดต่อ:
เคธี่ มาลาติโน
สถาบัน Rensselaer Polytechnic
มือถือ: 838-240 5691-
@rpi

ลิขสิทธิ์© สถาบันสารพัดช่าง Rensselaer

หากคุณมีความคิดเห็นโปรด ติดต่อ เรา

ผู้ออกข่าวประชาสัมพันธ์ไม่ใช่ 7th Wave, Inc. หรือ Nanotechnology Now มีหน้าที่รับผิดชอบต่อความถูกต้องของเนื้อหา แต่เพียงผู้เดียว

บุ๊คมาร์ค: