通过跨学科的合作与交流,我们能够突破传统思维的边界,开拓新的研究领域。

——院长致词

首页 > 科学研究 > 前沿信息

人工智能增强技术在纳米尺度上照亮材料反应

本站发布时间:2024-10-27 22:02:47
注:部分名称可能翻译不全,如有问题可联系15163559288@163.com

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

UVA与橡树岭国家实验室合作,共同主持Burns的研究。这项研究拥有同类中最大的标记数据集之一,并有望深化对材料在辐射条件下以及在其他极端情况下的行为的理解

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承受恶劣环境的改进材料

对于日常消费者来说,这一突破可能意味着更持久的电池、更可靠的电子产品和更安全的医疗设备

“纳米级辐射引起的缺陷会显著影响性能和结构寿命,”Burns说,他于2022年加入材料科学工程系,成为一名新兴学者研究科学家后,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,它使用一束电子穿过非常薄的样品,通常被称为薄膜,因为它们非常平坦

透射电子显微镜可以揭示样品的原子级、纳米级细节,这些细节是光学显微镜无法观察到的。这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,使TEM成为材料科学中的重要工具

科学家们还可以使用卷积神经网络(CNN)来研究随时间的变化。与传统模型不同,CNN一次从大量数据中学习

Burns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,以评估该模型在捕捉纳米级相互作用方面的有效性

Burns说:“我们的模型减少了人为错误,加速了分析,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。”

金属的缺陷各不相同

该团队使用先进的时间序列成像技术和透射电子显微镜,汇编了1000多张图像,捕捉到了离子照射过程中形成的250000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。

研究的关键发现突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

研究人员遇到的一个主要挑战是“漂移”,即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。为了解决这个问题,该团队提出了使用去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

Burns与来自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进行了这项研究 More information: Kory Burns et al, Deep learning-enabled probing of irradiation-induced defects in time-series micrographs, APL Machine Learning (2024). DOI: 10.1063/5.0186046

Provided by University of Virginia

排行榜

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567

北前院微信公众号