東京——如果可以可靠地預(yù)測材料的特性，那么可以簡化和加速為眾多行業(yè)開發(fā)新產(chǎn)品的過程。在高級(jí)智能系統(tǒng)XXX 上發(fā)表的一項(xiàng)研究中，東京大學(xué)工業(yè)科學(xué)研究所的研究人員使用磁芯損耗光譜儀通過機(jī)器學(xué)習(xí)確定有機(jī)分子的特性。
光譜技術(shù)能量損失近邊結(jié)構(gòu) (ELNES) 和 X 射線近邊結(jié)構(gòu) (XANES) 用于確定有關(guān)電子的信息，并通過該信息確定材料中的原子。它們具有高靈敏度和高分辨率，已被用于研究從電子設(shè)備到藥物輸送系統(tǒng)的一系列材料。
然而，將光譜數(shù)據(jù)與材料特性(如光學(xué)特性、電子電導(dǎo)率、密度和穩(wěn)定性)聯(lián)系起來仍然不明確。機(jī)器學(xué)習(xí) (ML) 方法已被用于提取大型復(fù)雜數(shù)據(jù)集的信息。這種方法使用基于我們大腦工作方式的人工神經(jīng)網(wǎng)絡(luò)來不斷學(xué)習(xí)解決問題。盡管該小組之前使用 ELNES/XANES 光譜和 ML 來查找有關(guān)材料的信息，但他們發(fā)現(xiàn)的內(nèi)容與材料本身的特性無關(guān)。因此，這些信息不能輕易轉(zhuǎn)化為發(fā)展。
現(xiàn)在，該團(tuán)隊(duì)已使用 ML 來揭示隱藏在 22,155 個(gè)有機(jī)分子的模擬 ELNES/XANES 光譜中的信息。“然后將分子的 ELNES/XANES 光譜，或在這種情況下的“描述符”輸入到系統(tǒng)中，”主要作者 Kakeru Kikumasa 解釋說。“這個(gè)描述符可以在實(shí)驗(yàn)中直接測量，因此可以以高靈敏度和分辨率確定。這種方法對(duì)材料開發(fā)非常有益，因?yàn)樗锌赡芙沂灸承┎牧咸匦猿霈F(xiàn)的地點(diǎn)、時(shí)間和方式。”
僅從光譜創(chuàng)建的模型就能夠成功預(yù)測所謂的強(qiáng)度特性。然而，它無法預(yù)測依賴于分子大小的廣泛特性。因此，為了改進(jìn)預(yù)測，新模型的構(gòu)建包括三種元素與碳(存在于所有有機(jī)分子中)的比率作為額外參數(shù)，以允許正確預(yù)測分子量等廣泛特性。
“我們對(duì)磁芯損耗光譜的 ML 學(xué)習(xí)處理可以準(zhǔn)確預(yù)測廣泛的材料特性，例如內(nèi)能和分子量。以前從未建立過磁芯損耗譜與廣泛特性之間的聯(lián)系。然而，人工智能能夠揭示隱藏的聯(lián)系。我們的方法也可能用于預(yù)測新材料和功能的特性”資深作者 Teruyasu Mizoguchi 說。“我們相信，我們的模型將成為各行各業(yè)材料高通量開發(fā)的非常有用的工具。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！