1. 冷知识网首页
  2. 百科

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

科学家们试图将量子材料,即那些在亚原子水平上具有相关顺序的材料用于电子器件、量子计算机和超导体。量子材料的许多性质,都归功于发生在最小尺度上的物理,完全是量子力学的物理。

科学家们试图将量子材料,即那些在亚原子水平上具有相关顺序的材料用于电子器件、量子计算机和超导体。量子材料的许多性质,都归功于发生在最小尺度上的物理,完全是量子力学的物理。一些材料,如复杂的磁性材料,与量子材料有共同点,科学家可以研究这些材料,以便更好地理解量子材料,并了解它们在许多不同电子配置中存在的能力。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

然而,理解量子和复杂磁性材料中发生相互作用需要严格的研究方法。一种这样的方法是中子散射,在这种方法中,被称为中子的中性粒子从材料上散射出来,从产生的相互作用中揭示其微观性质。然而,事实证明,即使对经验丰富的专家来说,重建材料的结构和性能也具有挑战性。美国能源部橡树岭国家实验室(ORNL)的科学家,首次使用人工智能(AI)在中子散射数据中寻找模式,这些模式可以导致对量子或复杂磁性材料内部物理的理解。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

在橡树岭国家实验室量子材料倡议负责人Alan Tennant的带领下,研究团队训练了一个人工神经网络(ANN),成功地解释了散裂中子源(SNS)进行的中子散射实验数据,通过向该网络提供在橡树岭领导力计算设施(OLCF)的系统上,执行中子散射模拟数据来训练该网络,包括该中心退役的Cray XK7泰坦。泰坦是当时最强大的机器之一,即使在去年秋天退休后,它仍在继续为科学界提供新的发现。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

以前,当要做实验时,不能完全确定得到了正确的结果,有了这个神经网络,可以对答案充满信心,因为这个网络必须经过广泛的训练。在它遇到的所有可能情况中,它都可以找到最优的解决方案。该神经网络可以揭示当前中子散射实验的新信息,甚至可以洞察未来哪些实验最有利于运行。其研究成果发表在《自然通讯》期刊上,研究小组正在继续OLCF的200petaflop IBM AC922峰会工作,这是世界上最强大的超级计算机之一。

超越人类

当科学家在SNS进行中子散射实验时,必须考虑到可能形成散射模式的许多可能的情况。破译从材料上散射出来的中子成了一个谜,人们传统上一直依赖对中子散射数据有丰富经验的人,根据他们看到的散射模式来确定关于材料结构的可行假设。进行这些实验的研究人员,通常可以为一种材料的哈密顿量(完全描述其性质的材料能量表达式)想出许多不同的情景。但它们不可能解释每一个单独的原因,特别是在自旋冰这样的材料中。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

自旋冰是冰的磁性类似物,被认为具有奇异的磁性状态,在这种状态下,南北磁极可以分离并独立运行,这是其他磁体无法做到的。然而,确定这些材料中潜在的相互作用,已被证明是非常具有挑战性的。训练人工神经网络(ANN)是一种可能的解决方案,它是一种机器学习,可以分析数据中的模式,并以类似于人脑中神经网络的方式运行。人类永远不可能经历所有的情况,因为总有一些你从未想过的情况。但一台电脑却可以有数十万种情况,并能为科学家总结信息。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

因此,计算机变得某种程度上是可靠的。该团队对自动编码器(一种经常用于压缩和重建图像的人工神经网络)进行了培训,使用超过500亿次计算对OLCF的超级计算资源进行了培训,OLCF是美国能源部(DOE)位于ORNL的科学用户设施办公室的一个机构。能够模拟比人类能够检查的更多场景,发现,人工神经网络过滤掉实验噪音,只从原始散射数据中提取最重要的信息,以重建材料的结构。计算机可以做一万个模型,而不是一个人类只能做简单的100个左右。

玻璃类量子材料

在研究人员对其进行训练后,ANN可以将模拟数据与SNS的Corelli仪器记录的实验散射数据进行比较,Corelli仪器旨在探测玻璃等材料中的无序。ANN准确地捕捉了材料Dy2Ti2O7中1024个地点的数据,Dy2Ti2O7是一种自旋冰,在低温下具有玻璃样的属性。这种材料适合研究,因为可以用令人惊叹的数学来理解它,橡树岭国家实验室是一个可以真正对这些复杂材料进行研究的地方。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

研究使用ORNL的计算和数据科学环境(CADES)与OLCF的系统进行进一步模拟分析。在用模拟对网络进行训练后,最终确定了一个模型哈密顿量来描述材料的磁性,包括它变成类似玻璃的东西的点。现在,该团队正在Summit上训练更深层次的神经网络,以进一步了解玻璃类量子材料。完成OLCF训练示例所需的所有模拟,有了Summit,就可以以一种更具互动性的方式运行神经网络,探索更多未知的东西。

使用人工智能能否在中子数据中,寻找亚原子水平的秘密?

冷知识网文章,如若转载,请注明出处:https://www.lengzhishi.net/117249.html

发表评论

电子邮件地址不会被公开。