机器学习可以预测二维材料建模了

科技工作者之家 2016-12-22

  编者注:

  作为人工智能的核心——机器学习,其应用遍布人工智能的各个领域。日前,美国阿贡国家实验室发现了机器学习的新应用,率先利用机器学习进行二维材料的建模,这将对发现和开发新材料有巨大促进作用。

  上图为锡烯的“荒原”:锡烯比它的“表亲”石墨烯和硅烷更柔软、波纹更多。机器学习,是通过大量数据训练使计算机进行模式识别和预测,可以帮助医生更准确地诊断疾病,在金融市场中预测股票的涨跌。现在材料科学家开创了机器学习的另一个重要应用——加快新材料的发现和开发。

  美国能源部(DOE)阿贡国家实验室的纳米材料和先进光子源中心的研究人员(由计算科学家Subramanian Sankaranarayanan领导的一个研究团队)在The Journal of Physical Chemistry Letters上发表了一项研究,声称利用机器学习可以准确预测纳米材料的物理、化学和机械性能。他们用机器学习创建了首个原子级模型,准确预测了锡烯这种由单原子厚的锡片制成的二维材料的热性能。

  这项研究是应用机器学习进行材料建模的首例,与过去的建模方法相比,这种建模方法可以更准确地预测材料特性。

  阿贡国家实验室的博士后研究者Mathew Cherukara说:“预测建模对新材料的开发非常重要,包括投资生产前的一切准备工作,比如了解新材料的特点、对不同的刺激的响应状态,以及如何有效提高商业应用性。”

  传统的原子尺度的材料建模一般需要开发数年时间,而且研究人员还不得不很大程度上依靠直觉来确定建模的参数。然而,Cherukara及其同事通过使用机器学习,不仅减少了人员投入,而且将精确建模的时间缩短到了几个月。

  阿贡国家实验室博士后研究员Badri Narayanan说:“我们将来自实验或基于理论计算得到的数据输入电脑,然后向机器提问,比如可以给出材料所有性能的模型吗?可以通过优化材料结构,控制缺陷或是定制材料来获得特定的所需性能吗?”

  阿贡国家实验室研究团队率先使用机器学习进行二维材料建模。与大多数传统模型不同,机器学习模型能够准确捕捉键的形成和断裂过程,机器学习模型不仅可以更可靠地预测材料性能(例如热导率),而且可以使研究人员准确获取化学反应,从而更好地了解特殊材料的合成方法。

  机器学习构建模型的另一个优点,是过程不受材料种类限制,这意味着研究人员可以同时研究多种不同的材料,并用机器学习研究各种不同元素及其化合过程。

  这项研究中的计算模型研究对象锡烯,是一种由锡制成的材料,近年来备受关注。从2004年石墨烯的发现到现在的锡烯,可以看出人们对二维材料的兴趣日益增长。虽然锡烯离商业化应用还非常遥远,但研究人员发现它在一些纳米器件的热管理(热调节)中具有巨大的潜在应用。

  原文链接: Machine learning enables predictive modeling of 2-D materials

  文献链接: Ab Initio-Based Bond Order Potential to Investigate Low Thermal Conductivity of Stanene Nanostructures

  本文经授权转载自 材料人

  编辑:杨发枝

来源:科普中国网

原文链接:http://www.kepuchina.cn/qykj/rgzn/201612/t20161222_56761.shtml

版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。

电话:(010)86409582

邮箱:kejie@scimall.org.cn