• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Química
    Nova estrutura aplica aprendizado de máquina à modelagem atomística
    p Crédito:Pixabay / CC0 Public Domain

    p Pesquisadores da Northwestern University desenvolveram uma nova estrutura usando aprendizado de máquina que melhora a precisão dos potenciais interatômicos - as regras de orientação que descrevem como os átomos interagem - no design de novos materiais. As descobertas podem levar a previsões mais precisas de como novos materiais transferem calor, deformar, e falhar na escala atômica. p Projetar novos nanomateriais é um aspecto importante do desenvolvimento de dispositivos de última geração usados ​​em eletrônica, sensores, coleta e armazenamento de energia, detectores ópticos, e materiais estruturais. Para projetar esses materiais, pesquisadores criam potenciais interatômicos por meio de modelagem atomística, uma abordagem computacional que prevê como esses materiais se comportam, contabilizando suas propriedades no menor nível. O processo para estabelecer o potencial interatômico dos materiais - chamado de parametrização - exigiu significativa intuição química e física, levando a uma previsão menos precisa do design de novos materiais.

    p A plataforma dos pesquisadores minimiza a intervenção do usuário, empregando otimização de algoritmo genético multi-objetivo e técnicas de análise estatística, e telas que prometem potenciais interatômicos e conjuntos de parâmetros.

    p "Os algoritmos computacionais que desenvolvemos fornecem aos analistas uma metodologia para avaliar e evitar deficiências tradicionais, "disse Horacio Espinosa, James N. e Nancy J. Farley Professor em Manufatura e Empreendedorismo e professor de engenharia mecânica e (por cortesia) engenharia biomédica e engenharia civil e ambiental, quem liderou a pesquisa. "Eles também fornecem os meios para adequar a parametrização às aplicações de interesse."

    p Os resultados foram publicados em um estudo intitulado "Parametrização de Potenciais Interatômicos para Vias de Grande Deformação Precisas Usando Algoritmos Genéticos Multi-Objetivos e Análises Estatísticas:Um Estudo de Caso em Materiais Bidimensionais" em 21 de julho em Nature Partner Journals - Materiais Computacionais .

    p Xu Zhang e Hoang Nguyen, ambos alunos do programa de pós-graduação em Teórica e Mecânica Aplicada (TAM) da Northwestern Engineering, foram co-primeiros autores do estudo. Outros co-autores incluem Jeffrey T. Paci, da University of Victoria, Canadá, Subramanian Sankaranarayanan do Laboratório Nacional de Argonne, e Jose Mendoza, da Michigan State University.

    p A estrutura dos pesquisadores usa conjuntos de dados de treinamento e triagem obtidos a partir de resultados de simulação de teoria funcional de densidade, seguido por uma etapa de avaliação que inclui análise de componentes principais e análise de correlação.

    p "Definimos uma sequência de etapas para alcançar uma abordagem de aprendizagem iterativa, dados os objetivos de otimização específicos, "disse Espinosa, quem dirige o programa TAM. "Nossa abordagem estatística permite que os usuários realizem objetivos de otimização conflitantes que são importantes para definir limites de aplicabilidade e transferibilidade para os potenciais parametrizados." Essas relações podem revelar a física subjacente a alguns fenômenos que parecem ser irrelevantes entre si.

    p A equipe identificou uma correlação positiva entre a precisão do potencial interatômico e a complexidade e o número dos parâmetros declarados - um fenômeno que se acredita ser verdadeiro em campo, mas anteriormente não comprovado usando métodos quantitativos. Este nível de complexidade deve ser atendido por uma quantidade proporcional de dados de treinamento. Fracasso em realizar, especialmente dados que transportam informações críticas, leva a uma precisão reduzida.

    p Os pesquisadores descobriram, por exemplo, que para melhorar a fidelidade dos potenciais interatômicos, propriedades de não equilíbrio e dados de correspondência de força são necessários.

    p "Isso incluiu uma descrição melhor das grandes vias de deformação e falha nos materiais, "Nguyen disse.

    p "Embora essas não sejam propriedades convencionais que as pessoas visam durante a parametrização, eles são essenciais para a compreensão da confiabilidade e funcionalidade de materiais e dispositivos, "Disse Zhang.

    p A nova abordagem também ajuda a remover a barreira da experiência do usuário para entrar neste campo de pesquisa. “Através deste trabalho, esperamos dar um passo adiante, fazendo com que as técnicas de simulação reflitam com mais precisão as propriedades dos materiais. Esse conhecimento pode ser expandido e, eventualmente, impactar o design de dispositivos e tecnologia que todos nós usamos, "Disse Zhang.

    p Próximo, os pesquisadores usarão seus modelos para expandir sua investigação para estudar fratura e deformação em materiais 2D, bem como o papel da engenharia de defeitos nas melhorias de tenacidade. Eles também estão desenvolvendo experimentos de microscopia eletrônica in situ que revelarão modos de falha atomística, fornecer uma maneira de avaliar as capacidades preditivas dos potenciais parametrizados.


    © Ciência https://pt.scienceaq.com