Công cụ AI phục vụ nghiên cứu vật liệu và công nghệ nano – Physics World

Trong những năm gần đây, đã có một số phát triển công nghệ và khoa học được thực hiện nhờ sự hội tụ giữa học máy và vật lý ở cấp độ nano. Hội thảo trực tuyến này xem xét lĩnh vực 'công nghệ nano thông minh' đang phát triển nhanh chóng này và quy tụ bốn nhà nghiên cứu hàng đầu trong lĩnh vực đó.

Trong hội thảo trực tuyến, được tổ chức bởi Nano tương lai, chúng ta sẽ tìm hiểu về một số phát triển và đột phá gần đây nhất đang diễn ra, hướng đi dự kiến ​​mà lĩnh vực này có thể thực hiện trong tương lai và những thách thức quan trọng nhất hiện đang đặt ra.

Keith Brown, Đại học Boston, Hoa Kỳ
Trình bày: Hướng tới khám phá vật liệu vòng kín ở quy mô femtogram bằng cách sử dụng đầu dò quét
Keith A Brown là phó giáo sư về kỹ thuật cơ khí, khoa học & kỹ thuật vật liệu và vật lý tại Đại học Boston. KABlab nghiên cứu các phương pháp tiếp cận để đẩy nhanh sự phát triển của vật liệu và cấu trúc tiên tiến, tập trung vào polyme. Nhóm sử dụng các phòng thí nghiệm tự lái, sản xuất bồi đắp, kỹ thuật thăm dò quét và học máy để đạt được những mục tiêu này. Keith là đồng tác giả của hơn 100 ấn phẩm được bình duyệt và có sáu bằng sáng chế được cấp. Keith đã nhận được Giải thưởng Biên giới Vật liệu từ Hiệp hội Khoáng sản, Kim loại & Vật liệu (TMS), được vinh danh là “Ngôi sao Tương lai của AVS” và nhận được Giải thưởng Omar Farha cho Lãnh đạo Nghiên cứu của Đại học Northwestern. Keith phục vụ trên Chữ Nano Ban cố vấn nghề nghiệp sớm, đồng tổ chức Hội thảo Khoa học, Kỹ thuật và Y học Quốc gia về AI cho Khám phá Khoa học và hiện đang lãnh đạo Lực lượng đặc nhiệm về giai đoạn phát triển vật liệu về Trí tuệ nhân tạo MRS.

Sergei Kalinin, Đại học Tennessee, Knoxville và Phòng thí nghiệm quốc gia Tây Bắc Thái Bình Dương, Hoa Kỳ
Trình bày: Khám phá mối quan hệ vật lý và cấu trúc-tính chất thông qua kính hiển vi thăm dò quét tự động
Sergei V Kalinin là Giáo sư Weston Fulton tại Đại học Tennessee ở Knoxville, đồng thời là nhà khoa học trưởng về ML/AI cho khoa học vật lý tại Phòng thí nghiệm quốc gia Tây Bắc Thái Bình Dương. Mối quan tâm nghiên cứu của ông bao gồm học máy để khám phá và tối ưu hóa vật liệu, lắp ráp nguyên tử trực tiếp thông qua chùm điện tử, ứng dụng học máy và trí tuệ nhân tạo để trích xuất vật lý từ dữ liệu hình ảnh siêu âm và phân giải nguyên tử, cũng như ghép nối giữa các hiện tượng cơ điện, điện và vận chuyển trên kích thước nano. Ông là người nhận được nhiều giải thưởng, bao gồm Huân chương Medard Welch của ACS (2023) và Giải thưởng Quốc gia Blavatnik dành cho các nhà khoa học trẻ (2018). Sergei đã xuất bản hơn 700 bài báo được bình duyệt, biên tập bốn cuốn sách và là người nắm giữ hơn 10 bằng sáng chế. Sergei đã tổ chức nhiều hội nghị chuyên đề trên toàn thế giới, đóng vai trò cố vấn cho các công ty như Intel và một số nhà sản xuất kính hiển vi thăm dò quét, đồng thời là thành viên ban biên tập của nhiều tạp chí học thuật quốc tế.

Amanda Barnard, Đại học Quốc gia Úc, Úc
Bài trình bày: Các tính năng có thể giải thích được, các trường hợp có ảnh hưởng và các mô hình học máy có thể giải thích được cho khoa học và công nghệ nano
Amanda Barnard là một trong những nhà khoa học máy tính được trao giải cao nhất ở Úc. Cô hiện đang dẫn đầu nghiên cứu về giao diện mô hình tính toán, siêu máy tính hiệu suất cao và ứng dụng học máy và trí tuệ nhân tạo (AI). Cô được trao bằng Cử nhân (Hons) về vật lý ứng dụng năm 2000, bằng Tiến sĩ về vật lý lý thuyết vật chất ngưng tụ năm 2003 và bằng Thạc sĩ năm 2020 tại Đại học RMIT. Với hơn 20 năm kinh nghiệm trong lĩnh vực điện toán hiệu năng cao, mô hình tính toán và tin học, Amanda là thành viên hội đồng quản trị của nhiều tổ chức khác nhau. Cô đã được công nhận về khả năng lãnh đạo và được trao giải thưởng trong 2022 ngành khoa học. Cô là thành viên của Viện Vật lý Úc (FAIP), Hiệp hội Hóa học Hoàng gia (FRSC), và vào năm XNUMX được bổ nhiệm làm Thành viên của Huân chương Úc (AM). Amanda là tổng biên tập hiện tại của Nano tương lai và mối quan tâm nghiên cứu hiện tại của cô bao gồm học máy ứng dụng và trí tuệ nhân tạo, khoa học dữ liệu, nghiên cứu điện tử và điện toán hiệu năng cao.

Yaroslava Yingling, Đại học bang Bắc Carolina, Hoa Kỳ
Bài trình bày: Hướng tới hợp nhất dữ liệu trong khoa học vật liệu: kết nối mô phỏng và thí nghiệm với khoa học dữ liệu
Giáo sư xuất sắc của Kobe Steel, Yaroslava G Yingling là phó trưởng khoa, Học giả Khoa Đại học và giám đốc các chương trình đại học. Cô nhận bằng đại học về khoa học máy tính và kỹ thuật tại Đại học Kỹ thuật Bang St Petersburg của Nga và bằng Tiến sĩ về kỹ thuật vật liệu và điện toán hiệu năng cao từ Đại học Bang Pennsylvania vào năm 2002. Cô thực hiện nghiên cứu sau tiến sĩ tại khoa hóa học của Đại học bang Pennsylvania và tại Viện Y tế Quốc gia Viện Ung thư Quốc gia, trước khi gia nhập Đại học Bang North Carolina vào năm 2007. Cô là biên tập viên của tờ Springer Jtạp chí khoa học vật liệu và là thành viên ban biên tập của Khoa học và Kỹ thuật Vật liệu sinh học ACS và Vật liệu ứng dụng và giao diện ACS. Cô đã nhận được giải thưởng NGHỀ NGHIỆP của Quỹ Khoa học Quốc gia, và Giải thưởng Nhà điều tra trẻ Mắt mở của Hiệp hội Hóa học Hoa Kỳ, đồng thời được vinh danh là Học giả Khoa của Đại học Bang NC. Cô được giới thiệu vào Học viện Lãnh đạo Nghiên cứu Bang NC vào năm 2021 và nhận được Giải thưởng Nghiên cứu Xuất sắc của Hiệp hội Cựu sinh viên Bang NC.

Về tạp chí này

Nano tương lai là một tạp chí đa ngành, có tác động cao, xuất bản các nghiên cứu cơ bản và ứng dụng đi đầu trong đổi mới công nghệ và khoa học nano.

Tổng biên tập: Amanda Barnard, giáo sư cao cấp về khoa học tính toán và phó giám đốc Trường Điện toán thuộc Đại học Quốc gia Australia.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://physicsworld.com/a/ai-tools-for-materials-research-and-nanotechnology/