ゼファーネットのロゴ

生成的データ インテリジェンス

AI

人工知能 (AI) が新しいナノ構造を発見 – Brookhaven Center for Functional Nanomaterials

プラトン再発行
プラトン再発行

日付：

閲覧数： 119

米国エネルギー省 (DOE) のブルックヘブン国立研究所の科学者たちは、自律的な方法で新しい物質を発見できることを実証しました。

人工知能 (AI) 主導の技術により、この種では初のナノスケールの「はしご」を含む XNUMX つの新しいナノ構造が発見されました。 この研究は本日、 科学の進歩

新たに発見された構造は、自己組織化と呼ばれるプロセスによって形成されました。このプロセスでは、材料の分子が独自のパターンに組織化されます。 ブルックヘブンの機能性ナノマテリアル センター (CFN) の科学者は、自己組織化プロセスを指揮し、材料のテンプレートを作成して、マイクロエレクトロニクス、触媒作用などの用途に望ましい配置を形成する専門家です。 ナノスケールのはしごやその他の新しい構造の発見により、自己組織化のアプリケーションの範囲がさらに広がります。

「自己組織化は、マイクロエレクトロニクスとコンピューターハードウェアの進歩を推進するナノパターニングの技術として使用できます。」 CFN 科学者 と共著者 グレゴリー・ドーク。 「これらの技術は常に、より小さなナノパターンを使用してより高い解像度を求めています。 自己組織化材料から非常に小さく、厳密に制御された機能を得ることができますが、それらは、たとえば回路用にレイアウトした種類の規則に必ずしも従うとは限りません。 テンプレートを使用して自己組織化を指示することで、より有用なパターンを形成できます。」

DOE Office of Science User Facility である CFN のスタッフ サイエンティストは、用途を広げるために自己組織化ナノパターン タイプのライブラリを構築することを目指しています。 以前の研究では、XNUMX つの自己組織化材料をブレンドすることで、新しいタイプのパターンが可能になることが実証されました。

「これまで誰も夢にも思わなかったはしご構造を作ることができるようになったという事実は、驚くべきことです」と、CFN グループのリーダーで共同執筆者のケビン・イェーガーは述べています。 「従来の自己組織化では、円柱、シート、球体などの比較的単純な構造しか形成できません。 しかし、XNUMX つの材料をブレンドし、適切な化学格子を使用することで、まったく新しい構造が可能であることがわかりました。」

自己組織化材料をブレンドすることで、CFN 科学者は独自の構造を発見できるようになりましたが、新しい課題も生まれました。 自己組織化プロセスで制御するパラメーターがさらに多くあるため、新しい有用な構造を作成するための適切なパラメーターの組み合わせを見つけることは、時間との戦いです。 研究を加速するために、CFN の科学者は新しい AI 機能である自律実験を活用しました。

DOE のローレンス バークレー国立研究所の高度数学エネルギー研究応用センター (CAMERA)、CFN のブルックヘブン科学者、ブルックヘブン研究所のもう XNUMX つの DOE 科学局ユーザー施設である National Synchrotron Light Source II (NSLS-II) と協力して、実験のすべてのステップを自律的に定義して実行できる AI フレームワークを開発しています。 CAMERA の gpCAM アルゴリズムは、フレームワークの自律的な意思決定を推進します。 最新の研究は、新しい材料を発見するアルゴリズムの能力のチームの最初の成功したデモンストレーションです。

「gpCAM は、自律的な実験のための柔軟なアルゴリズムとソフトウェアです」と、バークレー研究所の科学者で共著者のマーカス ノアックは述べています。 「この研究では、モデルのさまざまな機能を自律的に調査するために、特に巧妙に使用されました。」

「バークレー研究所の同僚の助けを借りて、このソフトウェアと方法論の準備が整い、今ではそれを使用して新しい材料を発見することに成功しています」と Yager 氏は述べています。 「自律科学について十分に学んだので、材料の問題を自律的な問題に簡単に変換できます。」

新しいアルゴリズムを使用して材料の発見を加速するために、チームは最初に分析用の特性のスペクトルを持つ複雑なサンプルを開発しました。 研究者は、CFN ナノファブリケーション施設を使用してサンプルを作製し、CFN 材料合成施設で自己組織化を行いました。

「材料科学の昔ながらの方法は、サンプルを合成し、測定し、そこから学び、戻って別のサンプルを作成し、そのプロセスを繰り返し続けることです」と Yager 氏は述べています。 「代わりに、関心のあるすべてのパラメーターの勾配を持つサンプルを作成しました。したがって、その単一のサンプルは、多くの異なる材料構造の膨大なコレクションです。」

次に、チームはサンプルを NSLS-II に持ち込みました。NSLS-II は、材料の構造を研究するための超高輝度 X 線を生成します。 CFN は NSLS-II と提携して XNUMX つの実験ステーションを運営しており、そのうちの XNUMX つがこの研究で使用されたソフト マター インターフェース (SMI) ビームラインです。

「SMI ビームラインの強みの XNUMX つは、サンプルに X 線ビームをミクロン単位で集束できることです」と、NSLS-II の科学者で共著者の Masa Fukuto 氏は述べています。 「これらのマイクロビーム X 線が材料によってどのように散乱されるかを分析することで、照射スポットでの材料の局所構造について学びます。 その後、多くの異なるスポットでの測定により、勾配サンプル全体で局所構造がどのように変化するかを明らかにできます。 この作業では、各測定値を最大化するために次に測定するスポットを AI アルゴリズムにその場で選択させます。」

サンプルが SMI ビームラインで測定されたため、アルゴリズムは、人間の介入なしに、材料の多数の多様な構造のモデルを作成しました。 このモデルは、その後の X 線測定ごとに更新され、すべての測定がより洞察的で正確なものになりました。

数時間のうちに、アルゴリズムは複雑なサンプルの XNUMX つの重要な領域を特定し、CFN 研究者がより詳細に調査できるようにしました。 彼らは、CFN電子顕微鏡施設を使用して、これらの重要な領域を精巧に詳細に画像化し、ナノスケールのはしごのレールと横木などの新しい特徴を明らかにしました。

最初から最後まで、実験は約 XNUMX 時間実行されました。 研究者は、従来の方法を使用してこの発見を行うには、約 XNUMX か月かかると見積もっています。

カルヴィン: 「インテリジェント ライフが宇宙の他の場所に存在する最も確実な兆候は、これまでのところ…. 誰も私たちに連絡しようとしませんでした！」

「自律的な方法は、発見を大幅に加速することができます」と Yager 氏は述べています。 「それは本質的に、科学の通常の発見ループを「引き締める」ことであり、仮説と測定の間をより迅速に循環させます。 しかし、速度だけでなく、自律的な方法によって研究できる範囲が広がり、より困難な科学の問題に取り組むことができるようになります。」

「今後は、複数のパラメーター間の複雑な相互作用を調査したいと考えています。 CFN コンピューター クラスターを使用してシミュレーションを実施し、実験結果を検証しましたが、膜厚などの他のパラメーターも重要な役割を果たす可能性があることも示唆されました」と Doerk 氏は述べています。

チームは、自律的な研究方法を、自己組織化におけるさらに困難な材料発見の問題や、他のクラスの材料に積極的に適用しています。 自律的な発見方法は順応性があり、ほぼすべての研究問題に適用できます。

「現在、CFN と NSLS-II に来て実験を行う幅広いユーザー コミュニティにこれらの方法を展開しています」と Yager 氏は述べています。 「誰でも私たちと協力して、材料研究の探索を加速できます。 これにより、クリーンエネルギーやマイクロエレクトロニクスなどの国家優先分野を含め、今後数年間で多くの新しい発見が可能になると予測しています。」

ソースナノマグ

.wordads-ad-wrapper { 表示: なし; フォント: 通常の 11px Arial、サンセリフ。 文字間隔: 1px; テキスト装飾: なし; 幅: 100%; マージン: 25px 自動; パディング: 0; } .wordads-ad-title { margin-bottom: 5px; } .wordads-ad-controls { マージントップ: 5px; テキスト整列: 右; } .wordads-ad-controls スパン { カーソル: ポインター; } .wordads-ad { width: fit-content; マージン: 0 自動; }

広告

スポット画像

最新のインテリジェンス

スポット画像

著作権 @ 2024 Plato Technologies Inc.