Oak Ridge Ulusal Laboratuvarı liderliğindeki bir araştırma ekibi, olağandışı malzeme davranışının atomik kökenlerini ortaya çıkarmak için yeni bir yöntem geliştirdi. Bu yaklaşım, karmaşık veri kümelerini olağanüstü verimlilikle analiz etmek için olasılık teorisini ve sinir ağlarını birleştiren bir yapay zeka olan Bayesian derin öğrenmeyi kullanır.
Teknik, deneyler için gereken süreyi azaltır. Araştırmacıların örnek bölgeleri ilginç özellikler sergileyen önemli özellikler üzerinde geniş ve hızla birleşmelerine yardımcı olur.
ORNL’den Ganesh Narasimha, “Bu yöntem, bir malzemenin özelliklerini çok daha fazla verimlilikle incelemeyi mümkün kılıyor.” Dedi. “Genellikle, büyük bir bölgeyi ve daha sonra birkaç küçük bölgeyi taramamız ve çok zaman alıcı olan spektroskopi yapmamız gerekir. Burada, AI algoritması kontrolü ele geçirir ve bu işlemi otomatik ve akıllıca yapar.”
Çalışma, eşsiz elektronik davranışlarıyla bilinen manyetik bir semimetal olan Europium çinko arsenitini araştırdı; Bununla birlikte, yöntem çok çeşitli malzemeler arasında genelleştirilebilir.
Gelişmiş tarama tünelleme mikroskopisini kullanarak, araştırmacılar atomik yapılar ve elektronik özellikler arasındaki bağlantıları tanıttılar. Bu kolaylaştırılmış yaklaşım keşif sürecini basitleştirir ve ülkenin yapay zeka ve kuantum bilimi ile ilgili yeteneklerini geliştirir.
Tam bulgular NPJ Hesaplamalı Malzemeler.
