Пятница, 29 марта 2024 года
Выбор редакции

Машинное обучение ускоряет появление новых материалов

Исследователи недавно показали, как основанная на информатике адаптационная стратегия дизайна вместе с экспериментами помогает ускорить открытие новых материалов с желаемыми свойствами. Данная информация была представлена в статье Nature Communications.

«Мы показали, что при наличии небольшого объема данных о контролируемых экспериментах в начале работы, возможно интерактивно направлять последующие опыты на поиск материала с предпочтительными свойствами», — сказал Тураб Лукман – физик и материаловед в Национальной лаборатории Лос-Аламоса. Специалист выступал в роли ведущего исследователя проекта.

По словам Лукмана, обычно подобный процесс основан на интуиции и методе проб и ошибок. Но с увеличением химической сложности количество возможных комбинаций становится слишком большим для подобных стратегий. Вместе с коллегами из Лос-Аламоса и китайской Государственной лаборатории механического поведения материалов Лукман задействовал машинное обучение для ускорения процесса. Ученые разработали среду, использующую неопределенности для итеративного направления последующих экспериментов в поиске сплава с памятью формы и низким тепловым гистерезисом.

Цель проекта – вдвое уменьшить время и стоимость вывода материала на рынок. Исследование показало, что предложенная среда, основанная на машинном обучении, позволяет находить новые продукты с заданными свойствами намного быстрее, чем раньше.

Лукман и его коллеги сосредоточили внимание на сплавах с памятью формы на базе никель-титана. Однако методика подходит для материалов любого типа: полимеров, керамики и наноструктур. Она также позволяет выбирать различные свойства, которыми должен обладать готовый продукт: диэлектрический ответ, пьезоэлектрический коэффициент и пр.

Источник: phys.org


Новости партнеров