Läbimurre tööriist ennustab teoreetiliste materjalide omadusi

Raghza & PK - Läbimurre (Juuni 2019).

Anonim

Põhja-Carolina ülikooli teadlased Chapel Hillis ja Duke'i ülikoolis on loonud esimese üldotstarbelise meetodi, mille abil saab masinaõpet kasutada uute metallide, keraamika ja muude kristalliliste materjalide omaduste ennustamiseks ning olemasolevate materjalide uute kasutusviiside avastamiseks, mis on avastus, et võiks päästa lugematuid hõivatud tundide jooksul katsetamise ja vea protsessi luua uusi ja paremaid materjale.

Uurijad, keda juhendasid PhD Olexandr Isayev ja doktor Alexander Tropsha, UNC Eshelmani farmaatsiakoolis kasutasid andmeid umbes 60 000 ainulaadse materjali kohta, mis saadi riiklikust standardist ja tehnoloogia anorgaanilise kristallstruktuuri andmebaasist, et luua uus mida nad nimetavad Atribuudid Märgitud materjalide fragmendid.

Olemasolevate kristallstruktuuride analüüsimiseks ja modelleerimiseks masina õppimise abil on PLMF-meetod võimeline ennustama teadlaste ja inseneride esitatud uute materjalide omadusi. Tööriist võis isegi täita puuduvad väärtused NISTi andmebaasis olevate materjalide omaduste kohta, mida ei olnud kunagi katsetatud.

"Tehnoloogiat juhib sageli uute materjalide avastamine, kuid nende materjalide avastamise protsess on alati olnud üsna juhuslik, " ütles Tropsha. "Uue tööriista väljatöötamisel kasutatakse ravimite väljatöötamiseks kasutatavat andme- ja teadmistepõhist lähenemisviisi. Kuna uute materjalide loomine võtab uskumatult palju aega ja jõupingutusi, mis sageli lõpeb pettumusega, võimaldab meie PLMFi tööriist materjalide teadlastel katsetada uus idee, enne kui nad isegi sõrme tõsta sünteesida. "

Tropsha on kooli KH Lee eriline professor ja molekulaarse modelleerimise laboratooriumi direktor. Isayev on teadustööde dotsent. Nende töö oli avaldatud Nature Communications'is ja PLMFi tööriist on avalikult saadaval kasutajasõbraliku veebirakenduse aadressil //aflow.org/aflow-ml.

PLMF-i meetod töötab, luues "sõrmejäljed" kristallide struktuurilt, mis koosnevad anorgaaniliste materjalide väikseimatest osadest nagu keraamika, metallid ja metallisulamid. Sõrmejälgede kombineerimine masinloetusega võimaldas luua universaalseid mudeleid, mis oleksid võimelised täpselt ennustama peaaegu iga anorgaanilise kristallilise materjali kaheksa kriitilist elektroonilist ja termomehaanilist omadust. Isaev ütles, et omadused on juhtivus, jäikus ja kokkusurutavus, soojusülekanne ja reaktsioon temperatuurimuutustele ning meeskond kavatseb lisada rohkem omadusi, kui nad koguvad rohkem andmeid.

"Paljudes praktilistes projektides teavad inimesed teatud väärtusest, mida nad soovivad konkreetse vara jaoks, " ütles Isaev. "Me saame kasutada seda, mida me teame nende materjalide ja säästliku masinloetmise kohta, et kiiresti kuvada võimalikke materjale õige vara jaoks. Teadlased võivad kiiresti kitsendada kandidaatide materjale ja vältida paljusid kõrvalisi ja keerukaid arvutusi, mis säästab raha, aega ja arvutuslikke ressursse."

Masinõppe esimeses praktilises rakenduses töötas meeskond UNC-i keemiainstituudi doktor-professor Jim Cahooniga, et kujundada uue madala maksumusega päikeseelementide tüüpi elektroodide materjal. Praegu kasutatav nikkeloksiid ei ole väga tõhus, mürgine ja vajab rakus töötamiseks orgaanilisi lahusteid.

Teadlased sõelutasid peaaegu 50 000 teadaolevat anorgaanilist ühendit ja tuvastasid plii-titaanat kui kõige paljulubavama materjali ja selle järel kinnitati. Plasti titaanat kasutavad seadmed näitasid parimaid tulemusi vesilahuses, võimaldades lahustitel minna veepõhisele lahendusele, mis võib vähendada kulusid, kuid on keskkonnasõbralikumad.

"Pliitananaat ei oleks tõenäoliselt olnud enamiku materjalide teadlaste esimene valik, sest selle struktuur on niiske oksiidiga nii erinevad, " ütles Isaev. "Rauast, koobaltist või vasest tuletatud materjale tuleks tõenäoliselt arvesse võtta, kuna need on keemiliselt sarnased nikliga. PLMF ja masinõlk on leidnud lihtsad ja uudsed lahendused, mis salvestasid katsetuste ja vigade otsimisele tundmatuid tunde."

menu
menu