Các nhà khoa học tại Phòng thí nghiệm quốc gia Brookhaven của Bộ Năng lượng Hoa Kỳ (DOE) đã chứng minh thành công rằng các phương pháp tự động có thể khám phá ra các vật liệu mới.

Kỹ thuật điều khiển bằng trí tuệ nhân tạo (AI) đã dẫn đến việc phát hiện ra ba cấu trúc nano mới, bao gồm cả “cái thang” có kích thước nano đầu tiên. Nghiên cứu được công bố ngày hôm nay trên Tiến bộ khoa học.

Các cấu trúc mới được phát hiện được hình thành bằng một quá trình gọi là tự lắp ráp, trong đó các phân tử của vật liệu tự tổ chức thành các mẫu độc đáo. Các nhà khoa học tại Trung tâm Vật liệu nano chức năng (CFN) của Brookhaven là những chuyên gia chỉ đạo quá trình tự lắp ráp, tạo ra các mẫu cho vật liệu để hình thành các sắp xếp mong muốn cho các ứng dụng trong vi điện tử, xúc tác, v.v. Việc họ khám phá ra thang nano và các cấu trúc mới khác đã mở rộng hơn nữa phạm vi ứng dụng của khả năng tự lắp ráp.

“Tự lắp ráp có thể được sử dụng như một kỹ thuật tạo mẫu nano, vốn là động lực thúc đẩy những tiến bộ trong vi điện tử và phần cứng máy tính”, cho biết. CFN nhà khoa học và đồng tác giả Gregory Doerk. “Những công nghệ này luôn thúc đẩy độ phân giải cao hơn bằng cách sử dụng các mẫu nano nhỏ hơn. Bạn có thể có được những tính năng thực sự nhỏ và được kiểm soát chặt chẽ từ các vật liệu tự lắp ráp, nhưng chúng không nhất thiết phải tuân theo các loại quy tắc mà chúng ta đặt ra cho các mạch chẳng hạn. Bằng cách hướng dẫn việc tự lắp ráp bằng cách sử dụng một mẫu, chúng tôi có thể tạo ra các mẫu hữu ích hơn.”

Các nhà khoa học nhân viên tại CFN, là Văn phòng Người dùng Khoa học của DOE, nhằm mục đích xây dựng một thư viện gồm các loại mô hình nano tự lắp ráp để mở rộng các ứng dụng của họ. Trong các nghiên cứu trước đây, họ đã chứng minh rằng có thể tạo ra các loại mẫu mới bằng cách trộn hai vật liệu tự lắp ráp lại với nhau.

Kevin Yager, trưởng nhóm CFN và đồng tác giả cho biết: “Thực tế là giờ đây chúng tôi có thể tạo ra một cấu trúc bậc thang, điều mà trước đây chưa ai từng mơ tới, thật tuyệt vời. “Việc tự lắp ráp truyền thống chỉ có thể tạo thành các cấu trúc tương đối đơn giản như hình trụ, tấm và hình cầu. Nhưng bằng cách trộn hai vật liệu lại với nhau và sử dụng đúng cách cách hóa học, chúng tôi phát hiện ra rằng những cấu trúc hoàn toàn mới có thể thực hiện được.”

Việc trộn các vật liệu tự lắp ráp lại với nhau đã cho phép các nhà khoa học CFN khám phá ra những cấu trúc độc đáo, nhưng nó cũng tạo ra những thách thức mới. Với nhiều tham số hơn cần kiểm soát trong quá trình tự lắp ráp, việc tìm ra sự kết hợp phù hợp của các tham số để tạo ra các cấu trúc mới và hữu ích là một cuộc chiến chống lại thời gian. Để đẩy nhanh quá trình nghiên cứu của mình, các nhà khoa học CFN đã tận dụng khả năng AI mới: thử nghiệm tự động.

Phối hợp với Trung tâm Toán học nâng cao cho Ứng dụng Nghiên cứu Năng lượng (CAMERA) tại Phòng thí nghiệm Quốc gia Lawrence Berkeley của DOE, các nhà khoa học Brookhaven tại CFN và Nguồn sáng Synchrotron Quốc gia II (NSLS-II), một Văn phòng Người dùng Khoa học khác của DOE tại Phòng thí nghiệm Brookhaven, đã và đang phát triển một khung AI có thể tự động xác định và thực hiện tất cả các bước của thử nghiệm. Thuật toán gpCAM của CAMERA thúc đẩy quá trình ra quyết định tự động của khung. Nghiên cứu mới nhất là minh chứng thành công đầu tiên của nhóm về khả năng khám phá vật liệu mới của thuật toán.

“gpCAM là một thuật toán và phần mềm linh hoạt để thử nghiệm tự động,” nhà khoa học và đồng tác giả của Berkeley Lab, Marcus Noack cho biết. “Nó được sử dụng một cách đặc biệt khéo léo trong nghiên cứu này để tự động khám phá các tính năng khác nhau của mô hình.”

Yager cho biết: “Với sự giúp đỡ từ các đồng nghiệp của chúng tôi tại Phòng thí nghiệm Berkeley, chúng tôi đã sẵn sàng sử dụng phần mềm và phương pháp này và giờ đây chúng tôi đã sử dụng thành công nó để khám phá các vật liệu mới”. “Bây giờ chúng ta đã học đủ về khoa học tự trị để chúng ta có thể giải quyết một vấn đề về vật liệu và chuyển nó thành một vấn đề tự trị khá dễ dàng.”

Để tăng tốc quá trình khám phá vật liệu bằng thuật toán mới, trước tiên nhóm nghiên cứu đã phát triển một mẫu phức tạp có nhiều đặc tính để phân tích. Các nhà nghiên cứu đã chế tạo mẫu bằng cơ sở chế tạo nano CFN và tiến hành tự lắp ráp trong cơ sở tổng hợp vật liệu CFN.

Yager cho biết: “Một cách làm khoa học vật liệu cũ của trường học là tổng hợp một mẫu, đo lường nó, học hỏi từ nó, sau đó quay lại và tạo ra một mẫu khác và tiếp tục lặp lại quy trình đó. “Thay vào đó, chúng tôi đã tạo một mẫu có độ dốc của mọi tham số mà chúng tôi quan tâm. Do đó, mẫu đơn lẻ đó là một tập hợp lớn gồm nhiều cấu trúc vật chất riêng biệt.”

Sau đó, nhóm nghiên cứu đưa mẫu tới NSLS-II, nơi tạo ra tia X siêu sáng để nghiên cứu cấu trúc vật liệu. CFN vận hành ba trạm thử nghiệm với sự hợp tác của NSLS-II, một trong số đó đã được sử dụng trong nghiên cứu này, chùm tia Giao diện Vật chất Mềm (SMI).

Nhà khoa học và đồng tác giả NSLS-II Masa Fukuto cho biết: “Một trong những điểm mạnh của đường truyền tia SMI là khả năng tập trung chùm tia X vào mẫu xuống micron. “Bằng cách phân tích cách các tia X vi mô này bị vật liệu phân tán, chúng tôi tìm hiểu về cấu trúc cục bộ của vật liệu tại điểm được chiếu sáng. Các phép đo tại nhiều điểm khác nhau sau đó có thể tiết lộ cấu trúc cục bộ thay đổi như thế nào trên mẫu gradient. Trong công việc này, chúng tôi để thuật toán AI nhanh chóng chọn vị trí cần đo tiếp theo nhằm tối đa hóa giá trị của mỗi phép đo.”

Khi mẫu được đo tại đường truyền tia SMI, thuật toán, không cần sự can thiệp của con người, đã tạo ra mô hình gồm nhiều tập hợp cấu trúc đa dạng và đa dạng của vật liệu. Mô hình này tự cập nhật với mỗi phép đo tia X tiếp theo, giúp mọi phép đo trở nên sâu sắc và chính xác hơn.

Chỉ trong vài giờ, thuật toán đã xác định được ba lĩnh vực chính trong mẫu phức tạp để các nhà nghiên cứu CFN nghiên cứu kỹ hơn. Họ đã sử dụng cơ sở kính hiển vi điện tử CFN để chụp ảnh những khu vực quan trọng đó một cách chi tiết tinh tế, khám phá các đường ray và bậc thang của thang kích thước nano, cùng với các tính năng mới lạ khác.

Từ đầu đến cuối, thí nghiệm kéo dài khoảng sáu giờ. Các nhà nghiên cứu ước tính họ sẽ cần khoảng một tháng để thực hiện khám phá này bằng các phương pháp truyền thống.

Calvin: “Đôi khi tôi nghĩ dấu hiệu chắc chắn nhất cho thấy Sự sống Thông minh tồn tại ở những nơi khác trong Vũ trụ là cho đến nay…. Không ai trong số họ cố gắng liên lạc với chúng tôi!”

Yager nói: “Các phương pháp tự trị có thể tăng tốc đáng kể việc khám phá. “Về cơ bản, đó là 'thắt chặt' vòng lặp khám phá thông thường của khoa học, để chúng tôi xoay vòng giữa các giả thuyết và phép đo nhanh hơn. Tuy nhiên, ngoài tốc độ, các phương pháp tự động còn mở rộng phạm vi những gì chúng ta có thể nghiên cứu, nghĩa là chúng ta có thể giải quyết các vấn đề khoa học khó khăn hơn.”

“Trong tương lai, chúng tôi muốn điều tra sự tương tác phức tạp giữa nhiều tham số. Chúng tôi đã tiến hành mô phỏng bằng cụm máy tính CFN để xác minh kết quả thử nghiệm của chúng tôi, nhưng họ cũng đề xuất các thông số khác, chẳng hạn như độ dày màng, cũng có thể đóng vai trò quan trọng như thế nào,” Doerk nói.

Nhóm đang tích cực áp dụng phương pháp nghiên cứu tự động của họ cho các vấn đề khám phá vật liệu thậm chí còn thách thức hơn trong quá trình tự lắp ráp cũng như các loại vật liệu khác. Các phương pháp khám phá tự động có khả năng thích ứng và có thể áp dụng cho hầu hết mọi vấn đề nghiên cứu.

Yager cho biết: “Chúng tôi hiện đang triển khai các phương pháp này cho cộng đồng rộng rãi những người dùng đến CFN và NSLS-II để tiến hành thử nghiệm”. “Bất kỳ ai cũng có thể làm việc với chúng tôi để đẩy nhanh quá trình khám phá nghiên cứu vật liệu của họ. Chúng tôi thấy trước điều này sẽ mang lại nhiều khám phá mới trong những năm tới, bao gồm cả các lĩnh vực ưu tiên quốc gia như năng lượng sạch và vi điện tử.”

Nguồn Nano Mag

.wordads-ad-wrapper { display:none; phông chữ: bình thường 11px Arial, sans-serif; khoảng cách giữa các chữ cái: 1px; trang trí văn bản: không; chiều rộng: 100%; lề: 25px tự động; đệm: 0; } .wordads-ad-title { lề-dưới: 5px; } .wordads-ad-controls { lề-top: 5px; căn chỉnh văn bản: đúng; } .wordads-ad-controls span { con trỏ: con trỏ; } .wordads-ad { width: fit-content; ký quỹ: 0 tự động; }

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. Truy cập Tại đây.
• nguồn: https://genesisnanotech.wordpress.com/2023/01/19/artificial-intelligence-ai-discovers-new-nanostructures-brookhaven-center-for-functional-nanomaterials/