人工智能为发现新的稀土化合物铺平了道路

Frontier 3月 20, 2022 1.03w 浏览 0

人工智能推进了科学家探索材料的方式。埃姆斯实验室和德克萨斯 A&M 大学的研究人员训练了一个机器学习 (ML) 模型来评估稀土化合物的稳定性。这项工作得到了埃姆斯实验室的实验室指导研究与开发计划 (LDRD) 计划的支持。他们开发的框架建立在当前用于试验化合物和了解化学不稳定性的最先进方法的基础上。

自 20 世纪中叶以来，埃姆斯实验室一直是稀土研究的领导者。稀土元素具有广泛的用途，包括清洁能源技术、储能和永磁体。发现新的稀土化合物是科学家扩大获取这些材料的努力的一部分。

目前的方法基于机器学习 (ML)，这是人工智能 (AI) 的一种形式，由计算机算法驱动，通过数据使用和体验进行改进。研究人员使用升级后的艾姆斯实验室稀土数据库 (RIC 2.0) 和高通量密度泛函理论 (DFT) 为他们的机器学习模型奠定了基础。

高通量筛选是一种计算方案，允许研究人员快速测试数百个模型。DFT 是一种量子力学方法，用于研究许多物体系统的热力学和电子特性。基于这些信息收集，开发的 ML 模型使用回归学习来评估化合物的相稳定性。

爱荷华州立大学研究生 Tyler Del Rose 通过编写算法在网络上搜索信息以补充数据库和 DFT 计算，进行了数据库所需的大部分基础研究。

材料分析基于离散反馈循环，其中 AI/ML 模型使用新的 DFT 数据库更新，该数据库基于从实验中获得的实时结构和相位信息。

该框架旨在探索稀土化合物，因为它们具有技术重要性，但其应用不仅限于稀土研究。相同的方法可用于训练 ML 模型以预测化合物的磁性、变革制造的过程控制以及优化机械行为。获取更多前沿科技研究进展访问：https://byteclicks.com

这项工作仅仅是开始。该团队正在探索这种方法的全部潜力，但他们乐观地认为该框架将来会有广泛的应用。

这项研究发表在Acta Materialia上。

你可能感兴趣的文章：

版权声明：除特殊说明外，本站所有文章均为字节点击原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/35761.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

人工智能为发现新的稀土化合物铺平了道路

文章推荐：

标签