2021年5月3
材料的微观结构和性能是密切相关的，定制它们是一个挑战。欧洲杯足球竞彩莱斯大学的工程师们决心通过机器学习来简化这个过程。
为此，Rice实验室的材料科学家唐明(Ming Tang)欧洲杯足球竞彩与劳伦斯利弗莫尔国家实验室的物理学家周飞(Fei Zhou)合作，介绍了一种预测材料微结构(10纳米到100微米之间的结构特征)演变的技术。
他们的论文发表在《细胞出版社》杂志上模式展示了神经网络(模拟大脑神经元的计算机模型)如何训练自己，预测一个结构在特定环境下如何生长，就像自然界的水分形成雪花一样。
事实上，雪花状的树枝状晶体结构是实验室在概念验证研究中使用的例子之一。
“在现代材料科学中，人们普遍认为微观结构欧洲杯线上买球在控制材料性能方面发挥着关键作用，”唐说。“你不仅想要控制原子在晶格上的排列方式，还想要控制其微观结构，以提供良好的性能甚至新的功能。
“设计材料的圣杯是能够预测微观结构在给定条件下的变化，无论欧洲杯足球竞彩我们是加热它，还是施加压力或其他类型的刺激，”他说。
在他的整个职业生涯中，唐一直致力于细化微观结构预测，但他表示，传统的基于方程的方法面临着重大挑战，以使科学家跟上对新材料的需求。欧洲杯足球竞彩
“机器学习的巨大进步鼓励了劳伦斯·利弗莫尔的费和我们，看看我们是否可以将它应用到材料上，”欧洲杯足球竞彩他说。
幸运的是，有大量来自传统方法的数据来帮助训练团队的神经网络，这些神经网络通过观察微观结构的早期进化来预测下一步，再下一个，等等。
“这正是机器所擅长的，以一种人类大脑无法做到的非常复杂的方式来观察相互关系，”唐说。“我们利用了这一点。”
研究人员在四种不同类型的微观结构上测试了他们的神经网络:平面波传播、晶粒生长、spinodal分解和树枝晶生长。
在每次测试中，向网络输入1000到2000组20张连续的图像，这些图像说明了该方程所预测的材料微观结构的演变。在从这些数据中学习了进化规则后，网络就会得到1到10幅图像，以预测接下来的50到200帧，通常在几秒钟内完成。
这种新技术的优势很快就显现出来:与之前的算法相比，由图形处理器驱动的神经网络将晶粒生长的计算速度提高了718倍。当在标准中央处理器上运行时，它们仍然比旧方法快87倍。预测其他类型的微观组织演变也显示出类似的速度增加，尽管没有那么显著。
Tang说，与传统模拟方法的图像对比证明，预测在很大程度上是正确的。“在此基础上，我们看到如何更新参数，使预测越来越准确，”他说。“然后，我们可以利用这些预测来帮助设计我们从未见过的材料。欧洲杯足球竞彩
“另一个好处是，即使我们不知道系统中所有物质的属性，它也能做出预测，”唐说。“我们无法用基于方程的方法做到这一点，这需要知道方程中的所有参数值来进行模拟。”
唐说，神经网络的计算效率可以加速新型材料的发展。欧洲杯足球竞彩他希望这将有助于他的实验室正在进行的更高效电池的设计。“我们正在考虑一种新颖的三维结构，它将帮助电池更快地充放电，比我们现在拥有的更快，”唐说。“这是一个优化问题，非常适合我们的新方法。”
莱斯大学研究生杨凯奇是该论文的第一作者。共同作者为莱斯大学校友曹逸凡和研究生张友田、范绍勋;以及劳伦斯利弗莫尔大学的丹尼尔·阿伯格和巴巴克·萨迪。周是劳伦斯利弗莫尔大学的物理学家。唐是莱斯大学材料科学和纳米工程的助理教授。欧洲杯足球竞彩欧洲杯线上买球
能源部、国家科学基金会和美国化学学会石油研究基金支持了这项研究。欧洲杯线上买球
来源:https://www.rice.edu/