原標題:AI新模型快速預(yù)測材料光學性質(zhì)
未來的中央處理器(藝術(shù)圖)。圖片來源:美國趣味工程網(wǎng)站
據(jù)美國趣味工程網(wǎng)站近日報道,日本東北大學和美國麻省理工學院科學家,成功開發(fā)出一款新人工智能(AI)模型GNNOpt。該模型能以與量子模擬相同的精度預(yù)測材料的光學性質(zhì),但速度能快100萬倍。研究團隊表示,這一重要進展有望加速光伏和量子材料的研發(fā)步伐。
推進太陽能電池、光子集成電路以及量子計算等領(lǐng)域的發(fā)展,離不開對材料光學特性的深入了解。但現(xiàn)有的實驗方法,如激光測試,受到光波波長范圍的限制。而模擬計算成本高昂,且需要滿足嚴格的標準。因此,科學家一直在尋找替代方法,以快速預(yù)測不同材料的光學性質(zhì)。
此前,圖形神經(jīng)網(wǎng)絡(luò)(GNN)機器學習模型已經(jīng)問世。這種模型通過將原子表示為圖形中的節(jié)點,原子鍵表示為圖形的邊,可形象地表示分子和材料。但GNN在捕捉晶體復(fù)雜結(jié)構(gòu)之間的細微差別方面存在困難,這限制了它在預(yù)測材料特性方面的廣泛應(yīng)用。
新AI模型則另辟蹊徑,以材料的晶體結(jié)構(gòu)為輸入,能在極短時間內(nèi),以驚人的準確性,在更寬的光頻率范圍內(nèi)預(yù)測材料的光學特性。一旦科學家掌握某種光學性質(zhì),就可借助相關(guān)公式,推導(dǎo)出其他光學性質(zhì)。
新AI模型成功的秘訣在于“集成嵌入”技術(shù)。這項技術(shù)賦予了AI從多種數(shù)據(jù)集中學習的能力,使其變得更加精確且通用。
研究團隊稱,他們的新AI模型能夠準確預(yù)測晶體結(jié)構(gòu)的光學性質(zhì),為廣泛應(yīng)用打開了大門,特別是為先進太陽能電池和量子材料的篩選提供了強有力的支持。他們計劃創(chuàng)建包含各種材料特性(如力學和磁性)的綜合數(shù)據(jù)庫,以進一步擴展該AI模型的功能。(記者劉霞)