基于AI的方法可以加速专用纳米粒子的开发
麻省理工学院物理学家开发的一项新技术有朝一日可以提供一种定制设计具有所需特性的多层纳米粒子的方法,可用于显示器,隐形系统或生物医学设备。它也可以帮助物理学家解决各种棘手的研究问题,在某些情况下可能比现有方法快几个数量级。
该创新使用计算神经网络,一种人工智能,“学习”纳米粒子的结构如何影响其行为,在这种情况下,基于成千上万的训练样例,它散布不同颜色的光。然后,在学习了这种关系之后,该程序基本上可以向后运行以设计具有所需光散射特性的粒子 - 一个称为逆设计的过程。
研究结果发表在“ 科学进展 ”杂志上,麻省理工学院高级研究员John Peurifoy,研究会员沉一辰,研究生李静,物理学教授MarinSoljačić和其他五篇研究报告。
Soljačić说,虽然这种方法最终可能导致实际应用,但这项工作主要是科学上的兴趣,作为一种预测各种纳米工程材料的物理特性的方法,而不需要通常用于解决这些问题的计算密集型模拟过程。
Soljačić说,目标是研究神经网络,这个领域近年来已经取得了很多进展并引起了兴奋,看到“我们是否可以使用其中的一些技术来帮助我们进行物理研究。所以基本上,计算机是否“足够智能”,以便他们可以做一些更聪明的任务来帮助我们理解和使用某些物理系统?“
Shen解释说,为了测试这个想法,他们使用了一个相对简单的物理系统。“为了理解哪些技术是合适的,并了解限制以及如何最好地使用它们,我们[在一个特定系统上使用神经网络]用于纳米光子学,即球形同心纳米粒子系统。”纳米粒子像洋葱一样分层,但每层由不同的材料制成,并具有不同的厚度。
纳米颗粒具有与可见光波长相当或更小的尺寸,并且不同颜色的光从这些颗粒散射的方式取决于这些层的细节和入射光束的波长。计算多层纳米粒子的所有这些效应对于多层纳米粒子来说可能是一项密集的计算任务,随着层数的增加,复杂性变得更加严重。
研究人员希望看看神经网络是否能够预测新粒子散射光的颜色的方式 - 不仅仅是通过在已知例子之间进行插值,而是通过实际计算出一些允许神经网络推断的基础模式。
“模拟非常精确,所以当你将它们与实验进行比较时,它们都会逐点相互重现,”Peurifoy说,他明年将成为麻省理工学院的博士生。“但它们在数字上相当密集,因此需要相当长的时间。我们想要看到的是,如果我们向神经网络展示这些粒子,许多不同粒子的一堆例子,神经网络是否可以为它发展“直觉”。
果然,神经网络能够合理地预测光散射与波长图的确切模式 - 不完美,但非常接近,并且在更短的时间内完成。Jing说,神经网络模拟“现在比精确模拟快得多”。“所以现在你可以使用神经网络而不是真正的模拟,它会给你一个相当准确的预测。但它带来了价格,而且价格是我们必须首先训练神经网络,为了做到这一点,我们必须产生大量的例子。“
但是,一旦网络被训练,任何未来的模拟都将获得加速的全部好处,因此对于需要重复模拟的情况,它可能是一个有用的工具。但该项目的真正目标是了解方法,而不仅仅是这个特定的应用程序。“我们对这个特定系统感兴趣的主要原因之一是让我们了解这些技术,而不仅仅是模拟纳米粒子,”Soljačić说。
下一步是基本上反向运行程序,使用一组所需的散射属性作为起点,看看神经网络是否可以计算出实现该输出所需的纳米粒子层的精确组合。
“在工程领域,已经开发了许多不同的技术用于逆向设计,这是一个巨大的研究领域,”Soljačić说。“但是经常为了设置一个给定的逆设计问题,需要花费相当长的时间,所以在很多情况下你必须成为该领域的专家,然后有时甚至花几个月来设置它以解决它。”
但是通过团队训练的神经网络,“我们没有为此做任何特殊准备。我们说,'好吧,我们试着让它向后跑。' 令人惊讶的是,当我们将它与其他更标准的逆向设计方法进行比较时,这是最好的方法之一,“他说。“它实际上比传统的逆向设计更快。”
共同作者沉说:“我们必须做的最初动机是建立一个通用的工具箱,任何一个不是光子学专家的普通受过良好教育的人都可以使用。......这是我们最初的动机,对于这个特殊情况,它显然效果很好。“
某些逆向设计模拟的加速可能非常显着。Peurifoy说:“很难对苹果进行精确的比较,但你可以有效地说你有数百倍的收益。因此,收益非常可观 - 在某些情况下,收益从几天到几分钟。“
该研究由科学基金会,半导体研究公司和陆军研究办公室通过士兵纳米技术研究所提供支持。参与这项工作的其他人包括:Yi Yang,Fidel Cano-Renteria,John D. Joannopoulos和Max Tegmark,他们都来自麻省理工学院; 和陆军埃奇伍德化学生物中心的Brendan G. Delacy。
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!
-
宝子们,杭州 房子装修完成啦!这次要给大家分享几家设计超赞的装修公司哦。它们各具特色,从空间规划到风格...浏览全文>>
-
欲筑室者,先治其基。在上海,装修房子对于每个业主而言,都是极为关键的一步,然而,如何挑选一家值得信赖的...浏览全文>>
-
2025年以来,联通支付严格贯彻落实国家战略部署,以数字和科技为驱动,做好金融五篇大文章,履行支付为民社会...浏览全文>>
-
良工巧匠,方能筑就华居;精雕细琢,方可打造美家。当我们谈论装修公司时,选择一家靠谱可靠的公司是至关重要...浏览全文>>
-
在当今社会,随着城市化进程的高速推进,建筑垃圾的产生量与日俱增。据权威数据显示,我国每年建筑垃圾产生量超 ...浏览全文>>
-
家人们,在上海要装修,选对公司那可太重要了!古语有云:"安得广厦千万间,大庇天下寒士俱欢颜。"一个温馨的...浏览全文>>
-
近年来,新能源汽车市场发展迅猛,各大品牌纷纷推出各具特色的车型以满足消费者多样化的需求。作为国内新能源...浏览全文>>
-
近年来,随着汽车市场的不断变化和消费者需求的升级,安徽滁州地区的宝来2025新款车型在市场上引起了广泛关注...浏览全文>>
-
随着汽车市场的不断变化,滁州地区的消费者对高尔夫车型的关注度持续上升。作为大众品牌旗下的经典车型,高尔...浏览全文>>
-
在2023年,大众探影以其时尚的设计和出色的性能赢得了众多消费者的青睐。作为一款小型SUV,探影凭借其紧凑的车...浏览全文>>
- 安徽滁州途安L新车报价2022款,最低售价16.68万起,入手正当时
- 小鹏G7试驾,新手必知的详细步骤
- 别克GL8预约试驾,4S店的贴心服务与流程
- 安徽阜阳ID.4 CROZZ落地价全解,买车必看的省钱秘籍
- 淮北探岳多少钱 2025款落地价,最低售价17.69万起现在该入手吗?
- 安徽淮南大众CC新款价格2025款多少钱能落地?
- 淮北长安启源C798价格,最低售价12.98万起现在该入手吗?
- 安徽淮南途锐价格,各配置车型售价全解析
- 蒙迪欧试驾预约,4S店体验全攻略
- 沃尔沃XC40试驾需要注意什么
- 滁州ID.4 X新车报价2025款,各车型售价大公开,性价比爆棚
- 试驾思域,快速操作,轻松体验驾驶乐趣
- 试驾长安CS35PLUS,一键搞定,开启豪华驾驶之旅
- 天津滨海ID.6 X落地价限时特惠,最低售价25.9888万起,错过不再有
- 天津滨海凌渡多少钱?看完这篇购车攻略再做决定
- 安徽池州长安猎手K50落地价,买车前的全方位指南
- 山东济南ID.6 CROZZ 2024新款价格,最低售价19.59万起,现车充足
- 试驾海狮05EV,新手必知的详细步骤
- 生活家PHEV多少钱 2025款落地价走势,近一个月最低售价63.98万起,性价比凸显
- 奇瑞风云A9试驾,新手必知的详细步骤