Среда, 21 февраля, 2024
ДомойНаукаУченые используют машинное обучение для ускорения поиска новых материалов

Ученые используют машинное обучение для ускорения поиска новых материалов

- Advertisement -

Материал на порошковой рентгеновской дифракционной пластинке анализируется на лазерной установке Omega в лаборатории лазерной энергетики Рочестерского университета. Ученые разрабатывают модели глубокого обучения для анализа огромных объемов данных, полученных в результате этих экспериментов. Фото: Лаборатория лазерной энергетики Рочестерского университета. Фото: Даная Полсин и Грегори Амил.

Модели глубокого обучения, разработанные учеными, теперь способны анализировать обширные данные, полученные с помощью методов рентгеновской дифракции.

Исследователи из Рочестерского университета говорят, что глубокое обучение может усовершенствовать метод, который уже является золотым стандартом для определения характеристик новых материалов. Их работа, опубликованная в npj Расчетные материалыподробно рассказывает, как они создавали модели для более эффективного использования обширных данных, полученных в результате экспериментов по дифракции рентгеновских лучей.

Во время экспериментов по дифракции рентгеновских лучей яркие лазеры освещают образец, создавая дифрагированные изображения, которые содержат важную информацию о структуре и свойствах материала. Руководитель проекта Нияз Абдолрахим, доцент кафедры машиностроения и ученый Лаборатории лазерной энергетики (LLE), говорит, что традиционные методы анализа этих изображений могут быть спорными, трудоемкими и часто неэффективными.

«В каждом из этих изображений скрыто много материалов из области материаловедения и физики, и терабайты данных создаются каждый день на предприятиях и в лабораториях по всему миру», — говорит Абдолрахим. «Разработка хорошей модели для анализа этих данных действительно может помочь ускорить внедрение инноваций в области материалов, понять, как работают материалы в экстремальных условиях, и разработать материалы для различных технологических применений».

Инновации в экспериментах с высокой плотностью энергии

Исследование, проведенное под руководством Джерардо Сальгадо ’23 MS (материаловедение), имеет особые перспективы для экспериментов с высокой плотностью энергии, подобных тем, которые проводятся в LLE исследователями из Центра материи при атомном давлении. Изучая точный момент, когда материалы в экстремальных условиях меняют фазы, ученые могут найти способы создания новых материалов и узнать о формировании звезд и планет.

Абдолрахим говорит, что проект, финансируемый Национальной администрацией ядерной безопасности Министерства энергетики США и Национальным научным фондом, превосходит предыдущие попытки разработать машинное обучение модели для рентгеноструктурного анализа, которые обучались и оценивались преимущественно на синтетических данных. Абдолрахим, доцент Чэньлян Сюй с факультета компьютерных наук, и их студенты использовали реальные данные экспериментов с неорганическими материалами для тренировки своих моделей глубокого обучения.

По словам Абдолрахима, для уточнения моделей необходимо предоставить больше экспериментальных данных рентгеновского дифракционного анализа. Она говорит, что команда работает над созданием платформ для обмена данными, которые помогут обучать и оценивать систему, делая ее еще более эффективной.

Ссылка: «Автоматическая классификация больших данных дифракции рентгеновских лучей с использованием моделей глубокого обучения», авторы: Херардо Э. Сальгадо, Сэмюэль Лерман, Чжаотун Ду, Чэньлян Сюй и Нияз Абдулрахим, 4 декабря 2023 г., npj Расчетные материалы.
DOI: 10.1038/s41524-023-01164-8

Исходная ссылка

- Advertisement -

Популярное по теме