AI が新たな成果を達成しました!
新しいナノ構造を発見するのにかかる時間はわずか 6 時間です。従来の方法を使用すると、この作業を完了するには少なくとも 1 か月かかります。
この結果は、Science サブジャーナル Advance に掲載されました。
△ 走査型電子顕微鏡画像は、AI によって発見された新しいナノ構造を示しています
米国エネルギー省 (DOE) のブルック ブラック アットの実験温国立研究所の研究者らは、AI 駆動テクノロジーを使用して 3 つの新しいナノ構造を発見しました。
構造物の 1 つは、まだ非常に珍しい「はしご」タイプです。
彼らは、プロセス全体に gpCAM と呼ばれるアルゴリズム駆動のフレームワークを使用しました。これにより、実験のすべてのステップを独立して定義して実行できます。
デジタル製品の新興企業の CEO は、この論文を読んだ後、ChatGPT の人気を刺激するために大胆にいくつかの発言をしました:
今後 5 年以内にそうなると確信しています、AI は工学と材料科学を変革し、製薬は ChatGPT の影響力を矮小化するでしょう。
3 つの新しいナノ構造を発見
3 つの新しいナノ構造を発見、すべて自己組織化と呼ばれるプロセスを通じて形成されます。
自己組織化とは、分子、ナノマテリアル、ミクロンなどの基本的な構造単位が自発的に規則正しい構造を形成する技術を指します。
形成された構造は安定しており、幾何学的外観には一定の規則があります。
自己組織化材料の特性は小さく、厳密な制御です。この技術を使用することで、解像度が向上したより小さなナノパターンが可能になります。
△共著者のケビン・イェーガー氏（左）とグレゴリー・ドーク氏（右）。
CFN について紹介します この組織の目標は、自己組織化ナノパターンのライブラリを確立してその応用範囲を拡大することです。
以前、研究者らは、2 つの自己組織化材料を混合することで新しいタイプのナノパターンを形成できることを実証しました。
しかし、従来の自己組織化では、円柱、シート、球などの比較的単純な構造しか形成できませんでした。
しかし今回、研究者らは、3 つの新しいナノ構造の中に、はしご構造があることを発見しました。
言い換えれば、適切な化学格子 (スペクトル スプリッター) を使用すれば、2 つの自己組織化材料を混合することによって新しい構造を発見することは完全に可能です。
新しい発見は驚きをもたらしますが、実験プロセスでは新たな課題も伴います:
自己組織化プロセス全体では多くのパラメーターの制御が必要であり、作成するにはパラメーターの適切な組み合わせを見つける必要があります。新しくて便利な構造。
このプロセスは非常に時間がかかることがよくあります。
研究を加速するために、CFN 研究者は新しい AI 機能
自律実験を導入しました。
完了までの所要時間を 1 か月から 6 時間に短縮
従来の方法で適切なパラメータの組み合わせをどのように見つけるかについて聞いてみるとよいでしょう~
まず、研究者は、サンプルを採取して測定し、そこから有益な情報を学びます。
次に、別のサンプルを作成し、測定し、そこから学習します...
つまり、解決したい問題が解決されるまで、このプロセスを繰り返し続けるだけです。
このような退屈で反復的なタスクを AI に試してみてはいかがでしょうか?
実際、CFN と、同じ研究室にある科学局ユーザー施設である National Synchrotron Light Source II (NSLS-II) は、システムのすべてのステップを自動的に定義して実行できる AI フレームワークを開発しています。実験。
時間は限られていたため、CFN は最終的に、米国エネルギー省のエネルギー研究応用高度数学センター (CAMERA) と協力することを選択しました。
CAMERA の gpCAM アルゴリズム主導のフレームワークにより、自律的な意思決定が可能になります。コラボレーション中、モデルのさまざまな機能を自律的に調査するために gpCAM が使用されました。
最新の研究は、チームが新しい材料を発見するアルゴリズムの能力を実証することに初めて成功したものです。
gpCAM の参加後、研究チームはまず CFN のナノ加工装置を使用して一連の特性を持つ複雑なサンプルを調製し、次にそれを CFN の材料合成装置で自己組織化して分析しました。
このサンプルにはスペクトル特性があり、研究者にとって関心のある各パラメーターの勾配も含まれています。
このようにして、単一のサンプルは、多くの異なる材料構造の巨大なコレクションになります。
このサンプルは、超高輝度 X 線を使用した構造研究のために NSLS-II に送られました。
#ΔX 線散乱データ (左) は、サンプルの主要領域と対応する走査型電子顕微鏡画像 (右) を示しています。 #ray が実行されると、gpCAM は人間の介入なしに材料の複数の異なる構造のモデルを作成します。
gpCAM は、測定をより洞察力のあるものにする必要もあります。簡単に言えば、AI アルゴリズムを使用して次に測定するポイントを選択し、各測定をより正確にします。
△NSLS-IIのソフトマターインターフェース（SMI）ビームライン。
AI アルゴリズムには最初から最後まで合計 6 時間かかりました。
従来の方法が使用されると仮定すると、研究者は少なくとも 1 か月間研究室で過ごす必要があります。
この 6 時間で、アルゴリズムは複雑なサンプル内の 3 つの重要な領域を特定しました。
研究者らは、CFN 電子顕微鏡装置を使用してこれら 3 つの領域を詳細に画像化し、特にナノレールや勾配などの新しい特徴を明らかにしました。
「自律的な実験は発見を大幅に加速することができます。」 CFN 研究者であり、新しい研究の共著者であるケビン・イェーガーは、「これは科学における通常の発見サイクルを「強化」しつつあり、発見までの時間を短縮します。仮説と測定。」
Yager 氏はまた、自律的な実験は速度に加えて、研究の範囲を拡大し、より困難な科学的問題に挑戦できるようになったと述べました。
言い換えれば、独立した実験方法は適応性があり、ほぼすべての研究課題に適用できます。
研究者たちは、複数のパラメーター間の複雑な相互作用を研究することをすでに楽しみにしています。これには何を期待していますか?
参考リンク:
[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=人工知能(AI)-、本日 Science Advances に掲載されました。
以上がAI アルゴリズムが新しいナノ構造を発見し、研究時間を 1 か月から 6 時間に短縮の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
