设为首页收藏本站在线订餐房产交易查询 繁体中文
开启辅助访问

温尼伯站

 找回密码
 注册用户
搜索
热搜: 接送 租房
温尼伯站»论坛 › 温尼伯站 › 资讯信息 › 科学家利用人工智能准确预测材料特性 打破以前无法逾越 ...
返回列表 发新帖
查看: 202|回复: 0
上一主题 下一主题

[综合资讯] 科学家利用人工智能准确预测材料特性 打破以前无法逾越的障碍

[复制链接]
温尼伯站

14万

主题

14万

帖子

29万

积分

管理员

有bug，有问题请私信。

Rank: 9Rank: 9Rank: 9

积分
290469
跳转到指定楼层
楼主
发表于 2021-10-16 00:16:25 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
据外媒报道，如果可以可靠地预测材料的特性，那么为大量行业开发新产品的过程就可以被简化和加速。在发表在《先进智能系统》上的一项研究中，来自东京大学工业科学研究所的研究人员利用机器学习，用磁芯损耗光谱学来确定有机分子的特性。  



光谱技术能量损失近边结构（ELNES）和X射线近边结构（XANES）被用来确定材料中电子的信息，并通过它确定原子。它们具有高灵敏度和高分辨率，已被用于研究从电子设备到药物输送系统的一系列材料。  

然而，将光谱数据与材料的特性--如光学特性、电子传导性、密度和稳定性--联系起来仍然是不明确的。机器学习方法已被用于提取大型复杂数据集的信息。这种方法使用人工神经网络，它基于我们的大脑如何工作，不断学习以解决问题。尽管该小组之前使用ELNES/XANES光谱和ML来找出材料的信息，但他们发现的东西与材料本身的属性无关。因此，这些信息不能轻易转化为发展。  



现在，该团队已经使用ML来揭示隐藏在22155个有机分子的模拟ELNES/XANES光谱中的信息。“分子的ELNES/XANES光谱，或它们在这种情况下的 ‘描述符’，然后被输入系统，”主要作者Kakeru Kikumasa解释说。“这种描述符是可以在实验中直接测量的东西，因此可以以高灵敏度和分辨率来确定。这种方法对材料开发非常有利，因为它有可能揭示出某些材料特性产生的地点、时间和方式。”  

仅仅从光谱中创建的一个模型就能够成功地预测所谓的密集特性。然而，它无法预测广泛特性，这些特性取决于分子大小。因此，为了改善预测，新的模型是通过包括与碳（存在于所有有机分子中）有关的三种元素的比率作为额外的参数来构建的，以使分子量等广泛的特性得到正确的预测。  

“我们对磁芯损耗光谱的ML学习处理提供了对广泛材料特性的准确预测，如内能和分子量。磁芯损耗光谱和广泛属性之间的联系以前从未被提出过；然而，人工智能能够揭开隐藏的联系。”高级作者Teruyasu Mizoguchi说：“我们的方法也可能被应用于预测新材料和功能的特性。我们相信，我们的模型将是一个非常有用的工具，可以在广泛的行业中进行材料的高通量开发。”
【郑重声明】温尼伯站坛刊载此文不代表同意其说法或描述，仅为提供更多信息，也不构成任何投资或其他建议。转载需经本网同意并注明出处。本网站有部分文章是由网友自由上传，对于此类文章本站仅提供交流平台，不为其版权负责；部分内容经社区和论坛转载，原作者未知，如果您发现本网站上有侵犯您的知识产权的文章，请及时与我们联络，我们会及时删除或更新作者。
回复

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册用户

本版积分规则



手机版|温尼伯站

JS of wanmeiff.com and vcpic.com Please keep this copyright information, respect of, thank you!JS of wanmeiff.com and vcpic.com Please keep this copyright information, respect of, thank you!

GMT-5, 2025-10-27 05:51 , Processed in 0.077418 second(s), 37 queries , Gzip On.

温尼伯站版权所有

All right reserved by Winnipeg Chinese Media.

快速回复 返回顶部 返回列表