當前位置:
首頁 > 知識 > 機器學習可以預測二維材料建模了

機器學習可以預測二維材料建模了

編者註:


作為人工智慧的核心——機器學習,其應用遍布人工智慧的各個領域。日前,美國阿貢國家實驗室發現了機器學習的新應用,率先利用機器學習進行二維材料的建模,這將對發現和開發新材料有巨大促進作用。

機器學習可以預測二維材料建模了


上圖為錫烯的「荒原」:錫烯比它的「表親」石墨烯和硅烷更柔軟、波紋更多。機器學習,是通過大量數據訓練使計算機進行模式識別和預測,可以幫助醫生更準確地診斷疾病,在金融市場中預測股票的漲跌。現在材料科學家開創了機器學習的另一個重要應用——加快新材料的發現和開發。


美國能源部(DOE)阿貢國家實驗室的納米材料和先進光子源中心的研究人員(由計算科學家Subramanian Sankaranarayanan領導的一個研究團隊)在The Journal of Physical Chemistry Letters上發表了一項研究,聲稱利用機器學習可以準確預測納米材料的物理、化學和機械性能。他們用機器學習創建了首個原子級模型,準確預測了錫烯這種由單原子厚的錫片製成的二維材料的熱性能。


這項研究是應用機器學習進行材料建模的首例,與過去的建模方法相比,這種建模方法可以更準確地預測材料特性。

阿貢國家實驗室的博士後研究者Mathew Cherukara說:「預測建模對新材料的開發非常重要,包括投資生產前的一切準備工作,比如了解新材料的特點、對不同的刺激的響應狀態,以及如何有效提高商業應用性。」


傳統的原子尺度的材料建模一般需要開發數年時間,而且研究人員還不得不很大程度上依靠直覺來確定建模的參數。然而,Cherukara及其同事通過使用機器學習,不僅減少了人員投入,而且將精確建模的時間縮短到了幾個月。


阿貢國家實驗室博士後研究員Badri Narayanan說:「我們將來自實驗或基於理論計算得到的數據輸入電腦,然後向機器提問,比如可以給出材料所有性能的模型嗎?可以通過優化材料結構,控制缺陷或是定製材料來獲得特定的所需性能嗎?」

機器學習可以預測二維材料建模了


阿貢國家實驗室研究團隊率先使用機器學習進行二維材料建模。與大多數傳統模型不同,機器學習模型能夠準確捕捉鍵的形成和斷裂過程,機器學習模型不僅可以更可靠地預測材料性能(例如熱導率),而且可以使研究人員準確獲取化學反應,從而更好地了解特殊材料的合成方法。


機器學習構建模型的另一個優點,是過程不受材料種類限制,這意味著研究人員可以同時研究多種不同的材料,並用機器學習研究各種不同元素及其化合過程。


這項研究中的計算模型研究對象錫烯,是一種由錫製成的材料,近年來備受關注。從2004年石墨烯的發現到現在的錫烯,可以看出人們對二維材料的興趣日益增長。雖然錫烯離商業化應用還非常遙遠,但研究人員發現它在一些納米器件的熱管理(熱調節)中具有巨大的潛在應用。


文獻鏈接:Ab Initio-Based Bond Order Potential to Investigate Low Thermal Conductivity of Stanene Nanostructures


本文經授權轉載自材料人

編輯:楊發枝


請您繼續閱讀更多來自 中科院物理所 的精彩文章:

石墨烯/氮化硼異質結構熱致旋轉現象觀測
中國現在是否適合建設大型對撞機
核聚變:世界未來的清潔能源
新型二維原子晶體黑磷導電及器件研究

TAG:中科院物理所 |

您可能感興趣

計算機預測技術可搭配新型磁性材料
如何利用機器學習預測房價?
一文講述如何將預測範式引入到機器學習模型中
新型計算機模擬技術成功預測癌細胞生長!
寧波材料所在二維納米材料MXene本徵物理性能理論預測方面取得系列進展
供應鏈管理新玩法:預測分析和機器學習
機器學習+全基因組測序,準確預測人體特徵
美國能源部利用機器學習演算法,準確的預測了地震時間
細胞瀏覽器:機器學習預測出的3D幹細胞圖像庫
幼兒的空間推理能力可預測未來的數學能力
科學家創造了承載能力和可預測的4D列印物體
探討SEO技術,如何用機器學習預測谷歌搜索排名?
研究稱可穿戴設備收集的數據可以預測疾病
當科學狂人遇上機器學習:基因組測序竟能準確預測長相!
自我學習式計算機可比標準醫療指導方針實現更好的性能,顯著提高預測率
用技術預測「死亡」 以創新「再造」生命
《易經預測正能量實驗學》、易經預測技術發展歷史
操碎了心 他用階梯模型預測新iPhone定價
JCO:新型模型或可通過預測腎臟功能來有效改善癌症患者的化療劑量