网站首页百科知识 > 正文

新的人工智能方法加速了目标材料的发现并为自动驾驶实验奠定了基础

2024-07-19 10:49:31 百科知识来源：

导读科学家开发出一种基于人工智能的方法，有助于在寻找新材料时更有效地收集数据，使研究人员能够以更高的精度和速度应对复杂的设计挑战。这项...

科学家开发出一种基于人工智能的方法，有助于在寻找新材料时更有效地收集数据，使研究人员能够以更高的精度和速度应对复杂的设计挑战。

这项研究源自美国能源部 SLAC 国家加速器实验室和斯坦福大学的计算机科学和材料科学研究人员的合作。此次合作结合了算法开发、机器学习和材料科学方面的专业知识。

他们的研究成果今天发表在《npj 计算材料》杂志上，为“自动驾驶实验”奠定了基础。在“自动驾驶实验”中，智能算法定义了 SLAC 的直线加速器相干光源 (LCLS) 等设施的下一组测量参数。新方法还可以快速发现新材料，这些材料可能在气候变化、量子计算和药物设计等领域大有可为。

传统材料发现历来是一个耗时且昂贵的过程，因为制造和测量新材料的特性成本很高。可能的材料空间也非常大，仅含四种元素的材料就有超过 100 亿种可能性。对于制药应用而言，挑战更大——大约有 1060 种可能的类药分子仅含有最基本的构造块(C、H、O、N 和 S 原子)。

由于需要满足复杂的设计目标，例如发现合成具有不同尺寸、形状和成分的纳米颗粒的条件，这项任务变得更加复杂。传统方法通常最大化或最小化简单属性，但速度通常太慢，无法筛选出大量搜索空间以发现符合研究人员目标的新材料。

本文提出了一种新方法，将复杂的目标自动转换为智能数据采集策略。该方法的一个关键特性是能够从每次实验中学习和改进，使用人工智能根据迄今为止收集的数据建议下一步行动。该创新基于贝叶斯算法执行 (BAX) 的概念，该概念由合著者 Willie Neiswanger 最近开发，他在进行这项研究时是斯坦福大学计算机科学博士后研究员。在这种方法中，复杂的目标可以写成简单的购物清单或食谱，在需要考虑多种物理属性的情况下表现出色。

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：

上一篇： Groundcherry 获得基因升级：将园艺奇观转变为农业强国
下一篇：最后一页

网站首页百科知识 > 正文

新的人工智能方法加速了目标材料的发现并为自动驾驶实验奠定了基础

猜你喜欢：

最新文章：

网站首页 百科知识 > 正文

新的人工智能方法加速了目标材料的发现并为自动驾驶实验奠定了基础

猜你喜欢：

最新文章：

网站首页百科知识 > 正文