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).
„Student. Organizator subtil fermecător. Susținător al muzicii certificat. Scriitor. Făcător de-a lungul vieții. Iubitor de Twitter.”
More Stories
LEGO Fortnite se lansează ca parte a unui parteneriat digital pe termen lung dintre Epic Games și LEGO Group — Retail Technology Innovation Hub
Apple poate lansa M3 MacBook Air în martie și își poate îmbunătăți gama de iPad cu noile iPad Pro și iPad Air
Microsoft Teams este cu un pas mai aproape de a nu mai face parte din birou