纳米|将人工智能应用于材料科学，新人工智能算法发现三种新纳米结构算法|x光

文章图片

美国能源部DOE科学家已经成功证明，自主方法可以发现新材料，人工智能驱动的技术导致了三种新纳米结构的发现，其中包括第一种纳米级“阶梯” ，科学家们已经发表了论文。新发现的结构是通过一种叫作自组装的过程形成的，在这种过程中，材料的分子将自己组织成独特的图案。科学家是指导自组装过程的专家，为材料创建模板，以形成微电子、催化等领域应用的理想安排，他们对纳米级阶梯和其他新结构的发现进一步扩大了自组装的应用范围。
“自组装可以用作纳米图案化技术，这是微电子和计算机硬件进步的重要驱动力，这些技术总是在推动使用更小的纳米图案实现更高的分辨率。你可以从自组装材料中获得非常小且受严格控制的特征，但它们不一定遵守我们为电路制定的规则。例如，通过使用模板指导自组装，我们可以形成更有用的图案。 ”CFN是美国能源部科学用户设施办公室，其工作人员致力于建立一个自组装纳米图案类型库，以扩大其应用范围。在之前的研究中，他们证明，通过将两种自组装材料混合在一起，可以形成新型图案。
小组负责人说：“我们现在可以创造一个以前没有人想过的阶梯结构，这一事实令人惊讶，传统的自组装只能形成相对简单的结构，如圆柱体、薄片和球体。但通过将两种材料混合在一起并使用合适的化学光栅，我们发现完全新的结构是可能的。 ”将自组装材料混合在一起，使科学家能够发现独特的结构，但也带来了新的挑战。由于在自组装过程中需要控制更多的参数，找到合适的参数组合来创建新的有用结构是一场与时间的斗争。为了加速研究，科学家们利用了一种新的人工智能能力：自主实验。
美国一所能源研究应用高等数学中心、某国家同步加速器光源II合作，一直在开发一个能够自主定义和执行实验所有步骤的人工智能框架，最新的研究是该团队首次成功展示了该算法发现新材料的能力。 “这是一种用于自主实验的灵活算法和软件。 ”科学家们解释说：“在这项研究中，它被特别巧妙地用于自主探索模型的不同特征。 ”
“在共同努力下，我们已经准备好了这个软件和算法，现在我们已经成功地利用它发现了新材料，我们现在已经对自主科学有了足够的了解，我们可以很容易地将材料问题转化为自主问题。 ”为了使用他们的新算法加速材料的发现，该团队首先开发了一个具有光谱性质的复杂样品用于分析，科学家们使用CFN纳米制造设备制造了样品，并在CFN材料合成设备中进行了自组装。
“一种老式的材料科学方法是合成一个样本，测量它，从中学习，然后回去制作一个不同的样本，并不断重复这个过程，相反，我们制作了一个样本，它具有我们感兴趣的每个参数的梯度。因此，单个样本是许多不同材料结构的大量集合。 ”
然后，该团队将样品带到NSLS-II ，后者产生超亮X射线，用于研究材料的结构。联合团队合作运营三个实验站，其中一个用于本研究，即软物质接口SMI波束线。 “SMI光束线的优势之一是能够将X射线束聚焦在样品上，达到微米，通过分析这些微束X射线如何被材料散射，我们了解了被照射点处材料的局部结构。然后，在许多不同点处的测量可以揭示局部结构在梯度样本中的变化。在这项工作中，我们让AI算法快速选择下一个要测量的点，以最大化每个测量值。 ”科学家解释说。