KI-Algorithmus entdeckt eine neue Nanostruktur und verkürzt die Forschungszeit von einem Monat auf sechs Stunden

AI hat eine neue Errungenschaft erreicht!

Entdecken Sie neue Nanostrukturen in nur 6 Stunden. Mit herkömmlichen Methoden würde die Bewältigung dieser Aufgabe mindestens einen Monat dauern.

Dieses Ergebnis wurde in der Science-Unterzeitschrift Advance veröffentlicht.

△Rasterelektronenmikroskopbilder zeigen neue Nanostrukturen, die von KI entdeckt wurden

Das Experiment stammt vom Brookhaven National Laboratory des U.S. Department of Energy (DOE), um drei neue Nanostrukturen zu entdecken.

Eines der Bauwerke ist ein sehr seltener „Leiter“-Typ.

Sie verwendeten für den gesamten Prozess ein algorithmusgesteuertes Framework namens gpCAM, das alle Schritte des Experiments unabhängig definieren und ausführen kann.

Nachdem er die Zeitung gelesen hatte, sagte der CEO eines Start-up-Unternehmens für digitale Produkte mutig etwas über die Beliebtheit von ChatGPT:

Ich wette, dass KI-Transformationstechnik, Materialwissenschaften und Pharmazeutik in den nächsten fünf Jahren das in den Schatten stellen werden Einfluss von ChatGPT.

Drei neue Nanostrukturen entdeckt

Drei neue Nanostrukturen entdeckt, die alle durch einen Prozess namens Selbstorganisation entstanden sind.

Selbstorganisation bezieht sich auf eine Technologie, bei der grundlegende Struktureinheiten wie Moleküle, Nanomaterialien, Mikrometer usw. spontan eine geordnete Struktur bilden.

Die gebildete Struktur ist stabil und das geometrische Erscheinungsbild unterliegt bestimmten Regeln.

Gregory Doerk, Wissenschaftler am Center for Functional Nanomaterials (CFN) in Brookhaven und einer der Autoren der neuen Studie, erklärte:

Die Eigenschaften selbstorganisierter Materialien sind sehr klein und werden mit dieser Technologie streng kontrolliert. Es können kleinere Materialien hergestellt werden. Nanostrukturierung verbessert die Auflösung.

△Co-Autoren Kevin Yager (links) und Gregory Doerk (rechts).

Lassen Sie mich CFN vorstellen. Das Ziel dieser Organisation ist es, eine Bibliothek selbstorganisierter Nanomuster aufzubauen, um ihren Anwendungsbereich zu erweitern.

Zuvor haben Forscher gezeigt, dass durch die Mischung zweier selbstorganisierender Materialien neue Arten von Nanomustern gebildet werden können.

Durch die traditionelle Selbstorganisation können jedoch nur relativ einfache Strukturen gebildet werden, wie zum Beispiel Zylinder, Bleche oder Kugeln.

Aber dieses Mal entdeckten Forscher, dass es unter den drei neuen Nanostrukturen eine Leiterstruktur gibt!

Mit anderen Worten: Sobald das entsprechende chemische Gitter (Spektrumteiler) verwendet wird, ist es durchaus möglich, durch die Mischung zweier selbstorganisierender Materialien neue Strukturen zu entdecken.

Neue Entdeckungen bringen Überraschungen, bringen aber auch neue Herausforderungen im experimentellen Prozess mit sich:

Der gesamte Selbstorganisationsprozess erfordert die Kontrolle vieler Parameter, und es muss eine geeignete Kombination von Parametern gefunden werden, um neue und nützliche Strukturen zu schaffen.

Dieser Prozess ist oft sehr langwierig.

Um die Forschung zu beschleunigen, haben CFN-Forscher eine neue KI-Funktion eingeführt:

Autonomes Experimentieren.

Beschleunigt von 1 Monat auf 6 Stunden bis zum Abschluss

Sie können sich genauso gut anhören, wie die traditionelle Methode die geeignete Parameterkombination findet~

Zuerst synthetisiert der Forscher eine Probe, misst sie dann und lernt daraus nützliche Informationen .

Dann machen Sie eine andere Probe, messen Sie sie, lernen Sie daraus ...

Kurz gesagt, wiederholen Sie diesen Vorgang einfach so lange, bis Sie das Problem gelöst haben, das Sie lösen möchten.

Warum diese mühsame und sich wiederholende Arbeit nicht der KI überlassen?

Tatsächlich haben CFN und die National Synchrotron Light Source II (NSLS-II), die Office of Science User Facility im selben Labor, ein KI-Framework entwickelt, das alle Schritte eines Experiments automatisch definieren und ausführen kann.

Da die Zeit knapp wurde, entschied sich CFN schließlich für eine Zusammenarbeit mit dem Center for Advanced Mathematics in Energy Research and Applications (CAMERA) des US-Energieministeriums.

CAMERAs algorithmusgesteuertes gpCAM-Framework ermöglicht eine autonome Entscheidungsfindung. Während der Zusammenarbeit wurde gpCAM verwendet, um verschiedene Merkmale des Modells autonom zu erkunden.

Die neueste Forschung ist das erste Mal, dass das Team erfolgreich die Fähigkeit des Algorithmus demonstriert hat, neue Materialien zu entdecken.

Nachdem gpCAM beigetreten war, nutzte das Forschungsteam zunächst die Nanoverarbeitungsausrüstung von CFN, um eine komplexe Probe mit einer Reihe von Eigenschaften vorzubereiten, die sich dann selbst zusammensetzte und in der Materialsyntheseausrüstung von CFN analysierte.

Diese Probe hat spektrale Eigenschaften und enthält außerdem Gradienten für jeden Parameter, der für den Forscher von Interesse ist.

Auf diese Weise wird aus einer einzelnen Probe eine riesige Sammlung vieler verschiedener Materialstrukturen.

Diese Probe wurde zur Strukturuntersuchung mit ultrahellen Röntgenstrahlen an NSLS-II geschickt.

Δ Modelle mehrerer unterschiedlicher Strukturen.

Was gpCAM auch tun möchte, ist, Messungen aufschlussreicher zu machen. Vereinfacht gesagt verwendet es KI-Algorithmen, um auszuwählen, welcher Punkt als nächstes gemessen werden soll, wodurch jede Messung genauer wird.

△Soft Matter Interface (SMI) Strahllinie von NSLS-II.

Von Anfang bis Ende hat der KI-Algorithmus insgesamt 6 Stunden gedauert.

Unter der Annahme, dass traditionelle Methoden zum Einsatz kommen, müssen die Forscher mindestens einen Monat im Labor bleiben.

In diesen 6 Stunden hat der Algorithmus drei Schlüsselbereiche in komplexen Proben identifiziert.

Die Forscher nutzten CFN-Elektronenmikroskopiegeräte, um diese drei Bereiche in präzisen Details abzubilden und dabei unter anderem Nanoschienen und Gradienten zu entdecken.

„Autonomes Experimentieren kann Entdeckungen dramatisch beschleunigen.“ Kevin Yager, CFN-Forscher und Co-Autor der neuen Studie, „verkürzt“ den üblichen Entdeckungszyklus der wissenschaftlichen Gemeinschaft und verkürzt so die Zeit zwischen Hypothese und Messung.“ Um die Geschwindigkeit zu erhöhen, erweitern autonome Experimente den Umfang der Forschung, was bedeutet, dass jetzt anspruchsvollere wissenschaftliche Fragen untersucht werden können, sagte Yager.

Mit anderen Worten: Die autonome experimentelle Methode ist adaptiv und kann auf nahezu alle Forschungsfragen angewendet werden.

Forscher freuen sich schon darauf, die komplexen Wechselwirkungen zwischen mehreren Parametern zu untersuchen.

Referenzlink:

[1]​

​https://www.php.cn/link/8e5231f0eadafd174b670e838e42d97d​

​

[2]​https://www.science.org/doi/10.1126/sciadv .add3687[3]​https://www.bnl.gov/newsroom/news.php?a=120993#:~:text=The%20artificial%20intelligence%20(AI)%2D,published%20today%20in% 20Science%20Advances.​

Das obige ist der detaillierte Inhalt vonKI-Algorithmus entdeckt eine neue Nanostruktur und verkürzt die Forschungszeit von einem Monat auf sechs Stunden. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!