网站首页生活 > 正文

人工智能增强技术阐明纳米级材料反应

2024-10-25 14:27:59 生活来源：

导读弗吉尼亚大学工程与应用科学学院 (UVA) 教授 Kory Burns 是一名材料科学研究员，他正在使用人工智能来改善材料特性分析。他和他的合作...

弗吉尼亚大学工程与应用科学学院 (UVA) 教授 Kory Burns 是一名材料科学研究员，他正在使用人工智能来改善材料特性分析。他和他的合作者代表多所大学和国家实验室，在APL Machine Learning的一篇论文中详细介绍了他们研究如何更好地确定辐射对材料的纳米级影响的创新新技术。

UVA 与橡树岭国家实验室合作，后者是 Burns 研究的共同主办方。这项研究拥有同类中最大的标记数据集之一，有望进一步了解材料不仅在辐射条件下的行为，而且可能在其他类型的极端条件下的行为。

可再生能源、太空探索和先进电子等行业将受益于能够更好地耐受恶劣环境的改进材料。

对于日常消费者来说，这一突破意味着更长寿命的电池、更可靠的电子设备和更安全的医疗设备。

伯恩斯表示：“纳米级辐射引起的缺陷会严重影响性能和结构寿命。”他于 2022 年以新锐学者研究科学家的身份加入材料科学工程系，并于 8 月成为助理教授。“通过研究材料内部的基本相互作用，我们可以设计出更好的策略来延长它们的寿命。”

微小而快速的变化

透射电子显微镜 (TEM) 是一种成像技术，它使用电子束穿过非常薄的样品，这些样品通常被称为薄膜，因为它们非常平坦。

TEM 可以揭示样本的原子级、纳米级细节，而这些细节是光学显微镜无法观察到的。这些细节可能包括晶体结构或由于表面相互作用而发生的微小变化，这使得 TEM 成为材料科学中必不可少的工具。

科学家还可以利用卷积神经网络(CNN)来研究随时间的变化。与传统模型不同，CNN 可以一次性从大量数据中学习。

伯恩斯的团队将这两种方法结合起来，将其 CNN 结果与传统的 TEM 图像进行比较，以评估该模型捕捉纳米级相互作用的有效性。

伯恩斯说：“我们的模型减少了人为错误，加快了分析速度，并量化了快速反应。然而，准确的结果取决于适当的数据准备和微调模型设置。”

金属的缺陷各有不同

研究团队利用先进的时间序列成像技术，结合透射电子显微镜，收集了 1,000 多张图像，捕捉了离子辐照过程中形成的 250,000 多个缺陷。这些缺陷包括氦气泡和被称为“位错环”的平面缺陷。

该研究的主要发现凸显了缺陷分类的复杂性。研究表明，铜和金等材料中的缺陷与钯中的缺陷表现出不同的行为。这种区别强调了需要专门的分析模型来准确研究辐射下的这些材料。

研究人员遇到的一大挑战是“漂移”，图像可能会因实验环境的变化而发生偏移，从而导致潜在的不准确性。为了解决这个问题，该团队建议使用降噪自动编码器等先进技术，这有助于清理图像并提高数据可靠性。

伯恩斯与加州大学伯克利分校、桑迪亚国家实验室、麻省理工学院、洛斯阿拉莫斯国家实验室、佛罗里达大学、密歇根大学、劳伦斯伯克利国家实验室和田纳西大学诺克斯维尔分校的工程师和其他专家合作开展了这项研究。

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：