桑迪亚国家实验室用机器学习完成复杂材料科学计算，速度提升了40000倍
桑迪亚国家实验室（Sandia National Laboratories）的一个研究小组已成功使用机器学习完成复杂材料科学计算，其速度比普通方法快了40,000倍。
他们的研究结果于1月4日发表在npj Computational Materials上，预示着光学，航空航天，能量存储和潜在医学等新技术的创造将大大加速，同时可以节省实验室的计算成本。
这项研究是由美国能源部的基础能源科学计划资助的，该研究是在集成纳米技术中心进行的，该中心是由桑迪亚和洛斯阿拉莫斯国家实验室共同运营的DOE用户研究机构。
机器学习可加速计算昂贵的仿真
桑迪亚的研究人员使用机器学习加速计算机仿真，该计算机仿真预测更改设计或制造过程（例如调整合金中的金属量）将如何影响材料。一个项目可能需要数以千计的模拟，这可能需要数周，数月甚至数年的时间才能运行。
该团队在一个具有128个处理核心的高性能计算集群进行了单独的模拟仿真用时12分钟。通过机器学习，相同的仿真仅使用36个内核就花费了60毫秒，相当于同等计算机上的速度提高了42,000倍。这意味着研究人员现在可以在15分钟内学习通常需要一年的时间。
桑迪亚（Sandia）的新算法得出的答案与标准仿真结果相差5％，这对于团队而言是非常准确的预测。机器学习会以一定的准确性来换取速度，因为它可以进行近似的捷径计算。
参与该项目的桑迪亚材料科学家RémiDingreville说：“我们的机器学习框架在本质上与高保真模型具有相同的准确性，但计算成本却很小。”
好处可能超出材料范围
Dingreville和Montes de Oca Zapiain将首先使用他们的算法来研究用于下一代显示器和屏幕的超薄光学技术。但是，他们的研究可能会被证明具有广泛的实用价值，因为他们加速仿真描述了一个共同的事件，即材料微观结构随时间的变化或演变。 获取更多前沿科技 信息 请持续关注：https://byteclicks.com
以前，机器学习已被用于计算原子和分子之间的相互作用如何随时间变化的快捷模拟。然而，此次公布的结果展示了首次使用机器学习来加速相对较大的微观尺度的材料模拟，Sandia团队期望这将对科学家和工程师产生更大的实用价值。
例如，科学家现在可以快速模拟微小的熔融金属小滴在冷却和凝固时将如何凝结在一起，或者当熔融时，混合物将如何分离成其组成部分的层。许多其他自然现象，包括蛋白质的形成，也遵循类似的模式。尽管桑迪亚团队尚未在蛋白质模拟中测试机器学习算法，但他们有兴趣探索未来的可能性。
你可能感兴趣的文章：
- 美国标准技术研究院（NIST）开发AI系统加速发现新材料
- 新的AI算法可以快速准确地预测材料属性
- 日本东京工业大学使用智能技术开发材料研究方法
- 科学家开发改变游戏规则的计算机建模程序，以简化新材料发现和设计过程
- 美国科研人员研发出推导材料硬度的有效方法
- 俄科学家开发一种算法加速新材料发现
