一种新的人工智能算法快速准确地预测材料性能

工程师们总是在为他们的项目寻找具有非常特殊性质的材料。不幸的是，对于研究人员来说，有太多的选择可以简单地猜测和检查，直到他们找到他们正在寻找的东西。即使他们要模拟材料，而不是在实验室里测试，找到合适的材料也需要太长的时间。幸运的是，研究人员已经创建了算法，可以为任何项目找到合适的材料。在最近发表的一篇论文中，卡内基梅隆大学(Carnegie Mellon University)和卡尔加里大学(University Of Calgary)的一个研究小组对其中一种算法进行了改进，使研究人员能够快速而准确地找到具有所需性质的材料。

CMU机械工程助理教授阿米尔·巴拉蒂·法里马尼(Amir Barati Farimani)表示，由于材料的空间如此之大，很难通过实验和计算来表征材料的特性。因此，我们重新创建了能够快速预测材料属性的算法或模型。

要使用人工智能(AI)，研究人员必须首先使用已知数据训练算法。然后，算法学会从这些信息中推断出新的想法。巴拉蒂·法里马尼(Barati Farimani)和他的团队用有关材料化学成分的数据训练了算法。具体地说，他们包括了有关电子在决定中扮演的角色的信息。根据巴拉蒂·法里马尼(Barati Farimani)的说法，这些化学数据为该算法创建了一个新的材料描述符。

由于该算法可以预测很大范围内的材料性能，因此具有广泛的应用前景。例如，该算法可以找到一种具有适合太阳能电池板的热性能的材料。此外，它还可以识别制造药物和电池的材料。要使用这种算法，研究人员可以简单地让预先训练的深度学习模型找到他们正在查看的属性。

改进这些算法的方式是变得更快、更准确。如果算法不够准确，结果将无法使用。如果算法太慢，研究人员将永远无法获得结果。目前，该团队发现他们的算法比其他领先的算法要好。

巴拉蒂·法里马尼说，你可以利用这一点，训练一个深度学习模型，并在不到几秒钟的时间内预测它们。关键是要证明它对不同种类的预测都是高精度的--然后每个行业都可以使用它。

他们的论文发表在“物理评论材料”上。芝加哥大学博士后学者穆罕默德·卡拉马德(Mohammadreza Karamad)、博士生里希凯什·马加尔(Rishikesh Magar)和研究员石玉婷也被列为合著者。其他作者包括卡尔加里大学的萨米拉·西赫罗斯塔米(Samira Siahrostai)和伊恩·D·盖茨(Ian D.Gates)。更多信息：Mohammadreza Karamad等人。材料性能预测的轨道图卷积神经网络，“材料物理评论”(2020)。Doi：10.1103/PhysRevials.4.093801。

引用：向上订购！AI查找从https://phys.org/news/2020-10-ai-material.html检索到的正确材料(2020，10月16日

本文档受版权保护。除为私人学习或研究的目的而进行的任何公平交易外，未经书面许可不得复制任何部分。提供的内容仅供参考。