GAP Geometry Grasped:Ο νέος αλγόριθμος θα μπορούσε να βοηθήσει στην κατανόηση της δομής των υγρών, πώς ρέουν μέσω πορώδους μέσων
"Η γεωμετρία Gap είναι μια θεμελιώδη ιδιοκτησία πορώδους υλικού που διέπει την ικανότητά τους να αποθηκεύουν και να μεταφέρουν υγρά", δήλωσε ο Scientist Dongxiao Zhang, συν-συγγραφέας της μελέτης. "Ωστόσο, ο προσδιορισμός με ακρίβεια της γεωμετρίας χάσματος από πειραματικά δεδομένα ή προσομοιώσεις είναι ένα δύσκολο έργο, ειδικά για σύνθετα πορώδη υλικά".
Οι ερευνητές ανέπτυξαν τον αλγόριθμο PGNET χρησιμοποιώντας μια τεχνική εκμάθησης μηχανής που ονομάζεται Consurectional Neaural Networks (CNNs). Τα CNN είναι ένας τύπος αλγόριθμου βαθιάς μάθησης που είναι κατάλληλος για την ανάλυση εικόνων και τα καθήκοντα αναγνώρισης. Οι ερευνητές εκπαίδευσαν τον αλγόριθμο PGNET σε ένα μεγάλο σύνολο δεδομένων εικόνων προσομοιωμένων πορωδών υλικών και έδειξαν ότι θα μπορούσε να προσδιορίσει με ακρίβεια τη γεωμετρία του χάσματος αυτών των υλικών.
Οι ερευνητές χρησιμοποίησαν έπειτα τον αλγόριθμο PGNET για να μελετήσουν τη δομή των υγρών σε πορώδη υλικά. Διαπίστωσαν ότι η γεωμετρία του χάσματος των πορωδών υλικών έχει σημαντικό αντίκτυπο στη δομή των υγρών που περιορίζεται στους πόρους.
Το έργο αυτό χρηματοδοτήθηκε από το Γραφείο Βασικών Ενεργειακών Επιστημών του DOE. Η ερευνητική ομάδα περιελάμβανε τους Dongxiao Zhang, Yuan Cheng και Yongqiang Cheng του Εθνικού Εργαστηρίου Argonne. και ο Jialin Li και ο Ruiqiang Li του Πανεπιστημίου της Νεμπράσκα στο Omaha.
Η μελέτη δημοσιεύεται στο περιοδικό Nature Communications.