研究人员开发了一种名为材料探索和优化闭环自主系统(CAMEO)的人工智能(AI)算法,该算法无需科学家的额外训练就发现了一种潜在有用的新材料。该人工智能系统可以帮助减少科学家在实验室中反复试验的时间,同时最大限度地提高他们的研究生产力和效率。

在材料科学领域,科学家寻求发现可以在特定应用中使用的新材料,例如光的金属,也可以承受喷气发动机的高应力和温度的强度。寻找这种新材料通常需要大量协调的实验和耗时的理论搜索。如果研究人员对材料的性质如何因不同的温度而异,则研究人员可能需要在10个不同的温度下运行10个实验。但温度只是一个参数。如果有五个参数,每个参数有10个值,那么研究人员必须运行7×10×10×10×10次 - 总共100,000个实验。客串可以确保每个实验最大化科学家的知识和理解,跨越将提供冗余信息的实验。

机器学习是这样一个过程,计算机程序可以访问数据并自己处理数据,自动提高自己,而不是依赖重复训练。这是CAMEO的基础,这是一种利用预测和不确定性来决定下一步尝试哪个实验的自学习人工智能。

CAMEO通过闭环操作来寻找一种有用的新材料:它决定在一种材料上运行哪个实验,进行实验,并收集数据。它还可以在进行下一个实验之前向科学家询问更多的信息,比如所需要材料的晶体结构,这些信息都是通过循环中过去所做的所有实验得到的。

AI还包含了关键原理的知识,包括过去的模拟和实验室实验的知识,设备如何工作,以及物理概念。CAMEO拥有相位映射的知识,它描述了物质中原子的排列如何随着化学成分和温度的变化而变化。了解原子在材料中的排列方式对于确定材料的性能(如硬度或电绝缘程度)以及材料适合某一特定应用的程度很重要。

Capeo发现了GE的材料4.SB.6.te.7.,缩写为GST467。CAMEO被赋予177种潜在的材料进行研究,涵盖了广泛的成分配方。为了得到这种材料,CAMEO进行了19个不同的实验周期,总共花费了10个小时,相比之下,拥有177种材料的科学家估计需要90个小时。

该材料由三种不同的元素(锗,锑和碲,Ge-Sb-Te)组成,并且是一种相变存储器材料,其将其原子结构从结晶(固体材料用常规位置的固体材料)改变为无定形的(当通过施加热量迅速熔化时,在随机位置中的固体材料。这种类型的材料用于电子存储器应用,例如数据存储器。

GST467还具有用于控制电路中光方向的光子开关装置的应用。它们也可以应用于神经形态计算,一个研究领域,专注于开发仿制大脑中神经元结构和功能的装置,开放新型计算机的可能性以及其他应用,例如从复杂图像中提取有用数据。

客串可用于许多其他材料应用程序。Comeo的代码是开源的,将由科学家和研究人员自由使用。

有关更多信息,请联系Alex BOSS此电子邮件地址受到垃圾邮件程序的保护。您需要启用Javascript来查看它。;301-975-3611。


金宝搏官网技术简报杂志

本文首先出现在6月份,2021年问题金宝搏官网杂志。

阅读更多来自档案馆的文章在这里