Η νέα έρευνα προβλέπει πότε, πώς θα ενεργούν τα υλικά
Η ομάδα, με επικεφαλής τους επιστήμονες από το Πανεπιστήμιο του Cambridge, ανέπτυξε μια προσέγγιση μηχανικής μάθησης «πολλαπλών πιστότητας» για την πρόβλεψη των ιδιοτήτων των υλικών. Αυτή η μέθοδος συνδυάζει πληροφορίες σχετικά με τη δομή του υλικού που λαμβάνεται χρησιμοποιώντας υπολογιστικές τεχνικές με πειραματικές μετρήσεις για την κατασκευή ακριβών προγνωστικών μοντέλων χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης.
Οι επιστήμονες εξέτασαν την προσέγγιση πολλαπλών πιστότητας σε τέσσερα υλικά:κράματα χάλυβα, κράματα υψηλής εντροπίας, θερμοηλεκτρικά υλικά και μεταλλικά οργανικά πλαίσια. Έδειξαν ότι η μέθοδος τους πέτυχε την απόδοση της τελευταίας τεχνολογίας στην πρόβλεψη των ιδιοτήτων αυτών των υλικών.
Για παράδειγμα, για τα κράματα χάλυβα, το μοντέλο πολλαπλών πιστότητας προέβλεψε την αντοχή απόδοσης του υλικού με ένα μέσο απόλυτο σφάλμα (MAE) μόνο 1,8%, σε σύγκριση με 4,5% για την καλύτερη προηγούμενη μέθοδο. Για τα κράματα υψηλής εντροπίας, το μοντέλο πολλαπλών πιστότητας προέβλεψε τη σκληρότητα Vickers του υλικού με MAE 2,3%, σε σύγκριση με 5,8% για την καλύτερη προηγούμενη μέθοδο.
"Οι τεχνικές μηχανικής μάθησης μπορούν να προβλέψουν τις ιδιότητες των υλικών και να μειώσουν σημαντικά το χρόνο και το κόστος της ανακάλυψης των υλικών", δήλωσε ο συν-πρώτος συγγραφέας Dr. Hao Wu από το Τμήμα Επιστήμης και Μεταλλουργίας στο Cambridge.
Η ανακάλυψη και η ανάπτυξη υλικών περιλαμβάνουν επί του παρόντος έναν επαναληπτικό κύκλο σύνθεσης υλικών, πειράματα για τη μέτρηση των ιδιοτήτων του υλικού και τις δαπανηρές υπολογιστικές προσομοιώσεις για την κατανόηση των υποκείμενων μηχανισμών. Αυτή η προσέγγιση είναι χρονοβόρα, δαπανηρή και αναποτελεσματική, και συνήθως απαιτεί ανθρώπινους εμπειρογνώμονες με βαθιά γνώση της φυσικής ή της χημείας.
Η νέα προσέγγιση μηχανικής μάθησης πολλαπλών πιστότητας εξορθολογεί τη διαδικασία σχεδιασμού προσδιορίζοντας αποτελεσματικά τους πιο ελπιδοφόρους υποψήφιους υλικούς χωρίς να χρειάζεται να εκτελούν πολλά χρονοβόρα πειράματα ή υπολογισμούς υψηλής πιστότητας.
"Μια τυπική υπολογιστική προσομοίωση υψηλής πιστότητας μπορεί να διαρκέσει μια εβδομάδα ή ακόμα και μήνες για να ολοκληρωθεί", δήλωσε ο συν-πρώτος συγγραφέας Dr. Xiaoqing Huang από το Τμήμα Επιστήμης και Μεταλλίας των Υλικών. Μετρήσεις για την καθοδήγηση της εκμάθησης μοντέλων υψηλής πιστότητας. "
Με τη μείωση του χρόνου και του κόστους που σχετίζονται με την ανακάλυψη υλικών, η νέα τεχνική μάθησης πολλαπλών πιστότητας μπορεί να επιταχύνει την ανάπτυξη νέων και βελτιωμένων υλικών για ένα ευρύ φάσμα εφαρμογών, συμπεριλαμβανομένης της αποθήκευσης ενέργειας, της κατάλυσης και της αεροδιαστημικής.
"Πιστεύουμε ότι η προσέγγισή μας όχι μόνο μπορεί να επιτρέψει την ανακάλυψη και την ανάπτυξη των υλικών, αλλά και να ωφελήσει την υπολογιστική επιστήμη και το σχεδιασμό σε άλλους κλάδους, όπως η χημεία, η βιολογία και η φαρμακευτική έρευνα", δήλωσε ο ανώτερος συγγραφέας Li Yang από το Τμήμα Επιστήμης των Υλικών και Μεταλλουργίας.
