机器学习可以预测2维材料建模了

编辑部实习生 8年前 (2016-12-18) 7482浏览

材料牛注：作为人工智能的核心——机器学习，其应用遍布人工智能的各个领域。日前，美国阿贡国家实验室发现了机器学习的新应用，率先利用机器学习进行二维材料的建模，这将对发现和开发新材料有巨大促进作用。

%e5%9b%be%e7%89%87%e4%b8%8a%e5%a4%a7%e9%83%91%e4%b8%bd11
上图为锡烯的“荒原”：锡烯比它的“表亲”石墨烯和硅烷更柔软、波纹更多。机器学习，是通过大量数据训练使计算机进行模式识别和预测，可以帮助医生更准确地诊断疾病，在金融市场中预测股票的涨跌。现在材料科学家开创了机器学习的另一个重要应用——加快新材料的发现和开发。

美国能源部（DOE）阿贡国家实验室的纳米材料和先进光子源中心的研究人员（由计算科学家Subramanian Sankaranarayanan领导的一个研究团队）在The Journal of Physical Chemistry Letters上发表了一项研究，声称利用机器学习可以准确预测纳米材料的物理、化学和机械性能。他们用机器学习创建了首个原子级模型，准确预测了锡烯这种由单原子厚的锡片制成的二维材料的热性能。

这项研究是应用机器学习进行材料建模的首例，与过去的建模方法相比，这种建模方法可以更准确地预测材料特性。

阿贡国家实验室的博士后研究者Mathew Cherukara说：“预测建模对新材料的开发非常重要，包括投资生产前的一切准备工作，比如了解新材料的特点、对不同的刺激的响应状态，以及如何有效提高商业应用性。”

传统的原子尺度的材料建模一般需要开发数年时间，而且研究人员还不得不很大程度上依靠直觉来确定建模的参数。然而，Cherukara及其同事通过使用机器学习，不仅减少了人员投入，而且将精确建模的时间缩短到了几个月。

阿贡国家实验室博士后研究员Badri Narayanan说：“我们将来自实验或基于理论计算得到的数据输入电脑，然后向机器提问，比如可以给出材料所有性能的模型吗？可以通过优化材料结构，控制缺陷或是定制材料来获得特定的所需性能吗？”

%e5%9b%be%e7%89%87%e4%b8%8a%e5%a4%a7%e9%83%91%e4%b8%bd22
阿贡国家实验室研究团队率先使用机器学习进行二维材料建模。与大多数传统模型不同，机器学习模型能够准确捕捉键的形成和断裂过程，机器学习模型不仅可以更可靠地预测材料性能（例如热导率），而且可以使研究人员准确获取化学反应，从而更好地了解特殊材料的合成方法。