2021年7月15日
Skoltech研究人员及其来自美国和新加坡的同事创造了一个神经网络，可以帮助控制时尚的半导体晶体，以实现电子设备的优越特性。
这通过利用可控制的可控变形，实现下一代芯片和太阳能电池的新的开发方向，该变形可以在飞行上改变材料的性质。本文在期刊上发表NPJ计算材料欧洲杯足球竞彩。
欧洲杯足球竞彩纳米级材料可以承受重大变形。在所谓的紧张状态下，由于内部距离的变化，它们可以表现出显着的光学，热，电子和其他特性。具有半导体硅的应变材料的固有性质可以改变，例如，将其转换成可自由地传导电流的材料。
此外，通过改变应变水平，可以按需改变这些性质。该概念引起了整个调查领域：弹性应变工程或ESE。例如，可以使用该方法来修改半导体的性能，为即将到来的摩尔定律限制提供潜在的解决方法，当我们排出我们的其他选择增加芯片性能时。另一个可能的应用位于太阳能电池开发领域。作为Skoltech解释的研究共同作者Alexander Strapheev，可以设计一个可调节属性的太阳能电池，可以按需改变，以最大限度地提高性能并适应外部环境。
在他们以前的工作中，Skoltech Phd毕业生Evgenii Tsymbalov，亚历山大·莱德夫副教授及其同事用ESE将纳米级钻石针阀旋转到高度导电和金属的型，提供了对这种技术的可能性的洞察力。现在，该团队介绍了一个卷积神经网络架构，可以指导ESE为半导体的努力。
“我们设计的神经网络将应变张量作为输入，并预测电子频带结构 - 描述应变材料的电子特性的物理”快照“。然后可以用于计算感兴趣的任何性质，包括带隙，其性质和电子有效质量张量“Shapeev说。
这项工作继续前进并扩展到它。“我们通过基于卷积神经网络架构的定制模型来超越以前使用的方法，为ESE任务，”Tsymbalov表示。“我们也考虑到物理属性和对称以便改善模型。”
该方法组合了各种数据源，例如，使用精确但昂贵的数据源进行计算廉价但不准确，以提高模型的准确性和融合。“另一个不同的特点是活动学习 - 我们允许模型猜测在下一个训练阶段中获取的数据可能是最有用的，并将其用于培训。在最后阶段，网络在一组计算上培训来自基于GW的基于GW的计算的数据，此过程允许我们减少所需的计算量，“Tsymbalov补充道。
该团队指出其新的神经网络是“更通用，准确，高效，促进自主深度学习结晶固体的电子频带结构”比最先进的解决方案。这使得在应变空间内的搜索和优化方面更快，更准确，这导致给定的优点附图的最佳应变值。
在他们之前的工作中，研究人员在钻石上的原位实验中的重复情况下进行了先前的迭代。“唉，现在没有任何可使钻石与任意6D变形张量变形的装置，但是有些团队和实验室从实验的角度追求这个方向，”Tsymbalov评论道。
本研究是龙科技，马萨诸塞州理工学院和南洋科技大学Skoltech之间合作的一部分，Skoltech科学家专注于计算和机器学习方面及其同事负责工作的物理成分。“我们目前正在研究我们的下一篇论文，该论文致力于可允许的弹性菌株的界限。这是一个重要的话题，因为尚未发现ESE的安全弹性变形的理论限制，”研究人员得出结论。
来源：https://www.skoltech.ru/