Công nghệ nano ngay bây giờ - Thông cáo báo chí: Nhà nghiên cứu Rensselaer sử dụng trí tuệ nhân tạo để khám phá vật liệu mới cho máy tính tiên tiến Trevor Rhone sử dụng AI để xác định nam châm Van Der Waals hai chiều

Được xuất bản lại bởi Plato

Người theo dõi: 0

Trang Chủ > Ấn Bản > Nhà nghiên cứu Rensselaer sử dụng trí tuệ nhân tạo để khám phá vật liệu mới cho điện toán tiên tiến Trevor Rhone sử dụng AI để xác định nam châm van der Waals hai chiều

TÍN DỤNG Trevor David Rhone Học viện bách khoa Rensselaer

Tóm tắt:
Một nhóm các nhà nghiên cứu do Trevor David Rhone, trợ lý giáo sư tại Khoa Vật lý, Vật lý Ứng dụng và Thiên văn học, dẫn đầu, đã xác định được các nam châm van der Waals (vdW) mới bằng cách sử dụng các công cụ tiên tiến trong trí tuệ nhân tạo (AI). Cụ thể, nhóm đã xác định được các vật liệu vdW halogen kim loại chuyển tiếp có momen từ lớn được dự đoán là ổn định về mặt hóa học bằng cách sử dụng phương pháp học bán giám sát. Các nam châm vdW hai chiều (2D) này có các ứng dụng tiềm năng trong lưu trữ dữ liệu, điện tử học spin và thậm chí cả điện toán lượng tử.

Nhà nghiên cứu Rensselaer sử dụng trí tuệ nhân tạo để khám phá vật liệu mới cho điện toán tiên tiến Trevor Rhone sử dụng AI để xác định nam châm van der Waals hai chiều

Troy, New York | Đăng ngày 12 tháng 2023 năm XNUMX

Rhone chuyên khai thác tin học vật liệu để khám phá những vật liệu mới với những đặc tính bất ngờ giúp thúc đẩy khoa học và công nghệ. Tin học vật liệu là một lĩnh vực nghiên cứu mới nổi tại giao điểm của AI và khoa học vật liệu. Nghiên cứu mới nhất của nhóm ông gần đây đã được đăng trên trang bìa của Advanced Theory and Simulations.

Các vật liệu 2D, có thể mỏng bằng một nguyên tử, chỉ mới được phát hiện vào năm 2004 và là chủ đề thu hút sự tò mò của giới khoa học vì những đặc tính bất ngờ của chúng. Nam châm 2D rất quan trọng vì thứ tự từ tính tầm xa của chúng vẫn tồn tại khi chúng được làm mỏng thành một hoặc một vài lớp. Điều này là do bất đẳng hướng từ tính. Sự tương tác giữa tính dị hướng từ tính và tính chiều thấp này có thể tạo ra mức độ tự do spin kỳ lạ, chẳng hạn như kết cấu spin có thể được sử dụng trong quá trình phát triển các kiến trúc điện toán lượng tử. Nam châm 2D cũng có đầy đủ các thuộc tính điện tử và có thể được sử dụng trong các thiết bị hiệu suất cao và tiết kiệm năng lượng.

Rhone và nhóm đã kết hợp các tính toán lý thuyết chức năng mật độ thông lượng cao (DFT) để xác định các thuộc tính của vật liệu vdW, với AI để triển khai một hình thức học máy gọi là học bán giám sát. Học bán giám sát sử dụng kết hợp dữ liệu được gắn nhãn và không được gắn nhãn để xác định các mẫu trong dữ liệu và đưa ra dự đoán. Học bán giám sát giảm thiểu một thách thức lớn trong học máy – sự khan hiếm dữ liệu được dán nhãn.

Rhone cho biết: “Sử dụng AI giúp tiết kiệm thời gian và tiền bạc. “Quá trình khám phá vật liệu điển hình đòi hỏi các mô phỏng đắt tiền trên siêu máy tính có thể mất hàng tháng. Các thí nghiệm trong phòng thí nghiệm có thể mất nhiều thời gian hơn và có thể tốn kém hơn. Một cách tiếp cận AI có khả năng tăng tốc quá trình khám phá vật liệu.”

Sử dụng một tập hợp con ban đầu gồm 700 phép tính DFT trên một siêu máy tính, một mô hình AI đã được đào tạo để có thể dự đoán các thuộc tính của hàng nghìn ứng cử viên vật liệu trong một phần nghìn giây trên máy tính xách tay. Sau đó, nhóm nghiên cứu đã xác định được các vật liệu vdW ứng cử viên đầy hứa hẹn với momen từ lớn và năng lượng hình thành thấp. Năng lượng hình thành thấp là một chỉ số về tính ổn định hóa học, đây là yêu cầu quan trọng để tổng hợp vật liệu trong phòng thí nghiệm và các ứng dụng công nghiệp tiếp theo.

Rhone cho biết: “Khung của chúng tôi cũng có thể dễ dàng được áp dụng để khám phá các vật liệu có cấu trúc tinh thể khác nhau. “Các nguyên mẫu cấu trúc tinh thể hỗn hợp, chẳng hạn như tập hợp dữ liệu của cả halogenua kim loại chuyển tiếp và trichalcogenua kim loại chuyển tiếp, cũng có thể được khám phá bằng khung này.”

“Tiến sĩ. Ứng dụng AI của Rhone vào lĩnh vực khoa học vật liệu tiếp tục tạo ra những kết quả thú vị,” Curt Breneman, hiệu trưởng Trường Khoa học của Rensselaer cho biết. “Ông ấy không chỉ giúp chúng ta hiểu rõ hơn về các vật liệu 2D có những đặc tính mới lạ, mà những phát hiện và phương pháp của ông ấy có khả năng đóng góp cho các công nghệ điện toán lượng tử mới.”

Rhone được tham gia nghiên cứu bởi Romakanta Bhattarai và Haralambos Gavras của Renselaer; Bethany Lusch và Misha Salim của Phòng thí nghiệm Quốc gia Argonne; Marios Mattheakis, Daniel T. Larson và Efthimios Kaxiras của Đại học Harvard; và Yoshiharu Krockenberger của Phòng thí nghiệm Nghiên cứu Cơ bản NTT.

####

Giới thiệu về Học viện Bách khoa Rensselaer
Được thành lập vào năm 1824, Rensselaer Polytechnic Institute là trường đại học nghiên cứu công nghệ đầu tiên của Mỹ. Rensselaer bao gồm 30 trường học, hơn 140 trung tâm nghiên cứu, hơn 25 chương trình học thuật bao gồm 6,800 chương trình mới và một cộng đồng năng động gồm hơn 104,000 sinh viên và 155 cựu sinh viên đang sống. Các giảng viên và cựu sinh viên của Rensselaer bao gồm hơn 200 thành viên Học viện Quốc gia, sáu thành viên của Đại sảnh Danh vọng Nhà phát minh Quốc gia, sáu người đoạt Huy chương Công nghệ Quốc gia, năm người đoạt Huy chương Khoa học Quốc gia và một người đoạt giải Nobel Vật lý. Với gần XNUMX năm kinh nghiệm nâng cao kiến thức khoa học và công nghệ, Rensselaer vẫn tập trung giải quyết các thách thức toàn cầu với tinh thần khéo léo và hợp tác. Để tìm hiểu thêm, vui lòng truy cập www.rpi.edu.

Để biết thêm thông tin, xin vui lòng bấm vào tại đây

Liên hệ:
Katie Malatino
Học viện Rensselaer Polytechnic
Cell: 838-240-5691
@rpi

Nếu bạn có một bình luận, xin vui lòng Liên hệ chúng tôi.

Các tổ chức phát hành tin tức, không phải 7th Wave, Inc. hay Nanotech Now, chỉ chịu trách nhiệm về tính chính xác của nội dung.

Bookmark: