Rolul învăţării profunde în determinarea etapei

Într-o mișcare de pionierat, Universitatea de Știință din Tokyo a făcut un pas remarcabil înainte în știința materialelor. Cea mai recentă dezvoltare a acestora include un model de învățare profundă adept în identificarea de noi faze semi-cristaline în materiale cristaline multifazice, o performanță care anterior a fost înfundată în complexitate și constrângeri de timp.

Credit imagine: metamorworks/Shutterstock.com

Provocări emergente în identificarea materialelor cristaline

Peisajul actual pentru determinarea structurilor cristaline, care este parte integrantă a sectoarelor precum farmaceutice și electronice, depinde de difracția cu raze X pe pulbere. Cu toate acestea, acest proces se confruntă cu provocări atunci când vine vorba de mostre în mai multe etape care includ diferite tipuri de cristale. Astfel de complexități necesită o nouă abordare a identificării rapide și precise.

Revoluție în învățare profundă

În acest context, echipa de cercetare de la Universitatea de Științe din Tokyo, sub îndrumarea profesorului asociat Tsunetomo Yamada, a dezvăluit modelul „clasificatorului binar” pentru învățarea automată. Acest model, distins prin aplicarea rețelelor neuronale convoluționale, a fost antrenat să recunoască fazele quasicristalelor icosaedrice (i-QC) în probele polifazate. Această fază este caracterizată prin ordinea sa pe distanță lungă și modelele de difracție unice.

Realizări și potențial

Modelul a arătat o precizie impresionantă de predicție de peste 92%, identificând cu succes o fază i-QC necunoscută din aliajul Al-Si-Ru. Acest lucru deschide un număr mare de posibilități în identificarea de noi faze cvasicristaline, inclusiv cvasicristale deca și diagonale, într-o gamă largă de materiale.

Această inovație nu numai că simplifică procesul de stabilire a fazei, dar deschide și calea pentru descoperirea de noi materiale vitale pentru a face față provocărilor viitoare din domeniile energiei, electronicii și durabilității mediului. Colaborarea și abordarea interdisciplinară a acestei cercetări subliniază potențialul transformator al integrării inteligenței artificiale și a învățării profunde în explorarea științifică.

sursă

Accelerarea identificării fazelor pentru amestecuri multifazate cu învățare profundă (fără dată) Universitatea de Științe din Tokyo. Online la: https://www.tus.ac.jp/en/mediarelations/archive/20231102_6238.html (Accesat: 20 noiembrie 2023).