现在的纳米技术 - 新闻稿：伦斯勒研究人员使用人工智能发现用于高级计算的新材料 Trevor Rhone 使用人工智能识别二维范德瓦尔斯磁体

由柏拉图重新发布

关注： 0

主页 > 媒体 > Rensselaer 研究员使用人工智能发现用于高级计算的新材料 Trevor Rhone 使用 AI 识别二维范德瓦尔斯磁铁

Trevor David Rhone CREDIT 伦斯勒理工学院

摘要：
由伦斯勒理工学院物理、应用物理和天文学系助理教授 Trevor David Rhone 领导的一组研究人员使用人工智能 (AI) 的尖端工具确定了新型范德华 (vdW) 磁体。特别是，该团队确定了具有大磁矩的过渡金属卤化物 vdW 材料，这些材料预计使用半监督学习具有化学稳定性。这些二维 (2D) vdW 磁体在数据存储、自旋电子学甚至量子计算方面具有潜在的应用。

伦斯勒研究人员使用人工智能发现用于高级计算的新材料 Trevor Rhone 使用 AI 识别二维范德华磁体

纽约州特洛伊 | 发表于 12 年 2023 月 XNUMX 日

Rhone 擅长利用材料信息学来发现具有意想不到的特性的新材料，从而推动科学技术的进步。材料信息学是人工智能和材料科学交叉领域的新兴研究领域。他的团队的最新研究最近登上了 Advanced Theory and Simulations 的封面。

2D 材料可以像单个原子一样薄，直到 2004 年才被发现，并且由于其意想不到的特性而成为科学界好奇的对象。二维磁体非常重要，因为当它们被减薄到一层或几层时，它们的长程磁有序仍然存在。这是由于磁各向异性。这种磁各向异性和低维的相互作用可能会产生奇异的自旋自由度，例如可用于开发量子计算架构的自旋纹理。二维磁体还涵盖了所有电子特性，可用于高性能和节能设备。

Rhone 和团队结合高通量密度泛函理论 (DFT) 计算来确定 vdW 材料的特性，并与 AI 一起实施一种称为半监督学习的机器学习形式。半监督学习使用标记和未标记数据的组合来识别数据中的模式并进行预测。半监督学习减轻了机器学习中的一个主要挑战——标记数据的稀缺性。

“使用 AI 可以节省时间和金钱，”Rhone 说。 “典型的材料发现过程需要在超级计算机上进行昂贵的模拟，这可能需要几个月的时间。实验室实验可能需要更长时间并且可能更昂贵。人工智能方法有可能加快材料发现过程。”

在超级计算机上使用 700 个 DFT 计算的初始子集，训练了一个 AI 模型，该模型可以在笔记本电脑上以毫秒为单位预测数千种候选材料的特性。该团队随后确定了具有大磁矩和低形成能的有前途的候选 vdW 材料。低形成能是化学稳定性的一个指标，这是在实验室和后续工业应用中合成材料的重要要求。

“我们的框架也可以很容易地应用于探索具有不同晶体结构的材料，”Rhone 说。 “混合晶体结构原型，例如过渡金属卤化物和过渡金属三硫化物的数据集，也可以使用该框架进行探索。”

“博士。 Rhone 将 AI 应用于材料科学领域继续产生令人兴奋的成果，”伦斯勒科学学院院长 Curt Breneman 说。 “他不仅加速了我们对具有新颖特性的二维材料的理解，而且他的发现和方法可能会为新的量子计算技术做出贡献。”

Rhone 与伦斯勒的 Romakanta Bhattarai 和 Haralambos Gavras 一起参与了研究；阿贡国家实验室的 Bethany Lusch 和 Misha Salim；哈佛大学的 Marios Mattheakis、Daniel T. Larson 和 Efthimios Kaxiras； NTT 基础研究实验室的 Yoshiharu Krockenberger。

####

关于伦斯勒理工学院
伦斯勒理工学院成立于 1824 年，是美国第一所技术研究型大学。伦斯勒大学包括五所学校、30 多个研究中心、140 多个学术项目（包括 25 个新项目）以及一个由 6,800 多名学生和 104,000 名在世校友组成的充满活力的社区。伦斯勒大学的教师和校友包括超过 155 名国家科学院成员、200 名国家发明家名人堂成员、XNUMX 名国家技术奖章获得者、XNUMX 名国家科学奖章获得者和一名诺贝尔物理学奖获得者。凭借近 XNUMX 年推进科学和技术知识的经验，伦斯勒始终专注于以独创性和协作精神应对全球挑战。要了解更多信息，请访问 www.rpi.edu。

欲了解更多信息，请点击此处

联系方式：
凯蒂马拉蒂诺
伦斯勒理工学院
单元格：838-240-5691
@rpi

如果您有意见，请联系我们给我们。

新闻稿的发布者，而不是7th Wave，Inc.或Nanotechnology Now，仅对内容的准确性负责。

书签：