利用AI和高性能计算的强大功能 将演化扩展到超导体

纯种种马的所有者在几代人的比赛中精心培育获奖马匹，以百万美元的比赛勉强维持一秒钟。材料科学家从该剧本中汲取了一页，转向演化和人工选择的力量，开发出能够尽可能高效地传输电流的超导体。

也许违反直觉的是，大多数应用的超导体都可以在高磁场下工作，因为它们含有缺陷。超导体内缺陷的数量，尺寸，形状和位置共同作用以在存在磁场的情况下增强电流承载能力。然而，太多缺陷会导致阻断电流通路或超导材料的破坏，因此科学家需要选择性地将缺陷纳入材料中。

该图像描绘了超导材料中缺陷结构的算法演变。每次迭代都是新缺陷结构的基础。颜色越浅表示电流承载能力越高。

“当人们想到有针对性的进化时，他们可能会想到培养狗或马的人。我们的设计材料就是一个例子，计算机从前几代学到了最好的缺陷排列。“ - 阿贡材料科学家Andreas Glatz。

在能源部(DOE)阿贡实验室的一项新研究中，研究人员利用人工智能和高性能超级计算机的力量，引入和评估不同配置的缺陷对超导体性能的影响。

研究人员开发了一种计算机算法，可以将每种缺陷视为生物基因。不同的缺陷组合产生能够承载不同电流量的超导体。一旦算法识别的一个特别有利的一系列缺陷，它重新初始化该组的缺陷为“种子”，从该缺陷的新组合将出现。

“模拟的每一次运行都等同于算法寻求优化的新一代缺陷的形成，”该研究的作者，阿贡的着名研究员和资深材料科学家Wai-Kwong Kwok说。“随着时间的推移，该缺陷结构逐渐变得精致，因为我们有意选择缺陷结构，将允许具有最高临界电流的材料。”

缺陷形成超导体的这种基本部分的原因在于它们能够捕获和锚定在磁场存在下形成的磁涡流。当施加电流时，这些涡流可以在纯超导材料内自由移动。当他们这样做时，他们开始产生阻力，否定超导效应。保持涡流固定，同时仍然允许电流穿过材料，对于寻求在不损失应用超导体的情况下寻找传输电力的方法的科学家来说，这是一个圣杯。

为了找到合适的缺陷组合来阻止涡流的运动，研究人员用随机形状和大小的缺陷初始化了他们的算法。虽然研究人员知道这将远离最佳设置，但它为模型提供了一组中立的初始条件，可以从中起作用。当研究人员经历了连续几代模型时，他们看到初始缺陷转变为柱状，最终形成平面缺陷的周期性排列。

“当人们想到有针对性的进化时，他们可能会想到培育狗或马的人，”该研究的相应作者阿格贡材料科学家安德烈亚斯格拉茨说。“我们是通过设计，其中计算机从前几代的缺陷的最佳可能的布置学习材料的例子。”

人工缺陷选择过程的一个潜在缺点在于，某些缺陷模式可能在模型中变得根深蒂固，导致遗传数据的一种钙化。“在一定意义上，你可以种把它想近亲繁殖，”郭说。“在我们的缺陷节约最多信息‘两代人之间的基因库’既有优点和局限性，因为它不允许进行大刀阔斧的系统范围的转换。然而，我们的数字“进化”可以用不同的初始种子，以避免这些问题的重复“。

为了运行他们的模型，研究人员需要Argonne和Oak Ridge实验室的高性能计算设施。阿贡领导计算设施和橡树岭领导计算设施都是能源部科学用户设施办公室。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！