Hành trình Khoa học, Không gian và Thời gian!
Các nhà nghiên cứu đã phát minh ra một thuật toán dựa trên máy học để mô tả cấu trúc vật liệu vi lượng theo ba chiều và trong thời gian thực. Thuật toán này áp dụng cho hầu hết các vật liệu cấu trúc quan tâm đến ngành công nghiệp.
Nghiên cứu khoa học hiện đại về vật liệu phụ thuộc rất nhiều vào việc khám phá hành vi của chúng ở quy mô nguyên tử và phân tử. Vì lý do đó, các nhà khoa học không ngừng tìm kiếm các phương pháp mới và cải tiến để thu thập dữ liệu và phân tích vật liệu ở các thang đo đó.
Các nhà nghiên cứu tại Trung tâm Vật liệu nano (CNM), Văn phòng Người dùng Khoa học của Bộ Năng lượng Hoa Kỳ (DOE) đặt tại Phòng thí nghiệm Quốc gia DOonne của DOE đã phát minh ra một thuật toán dựa trên máy học để mô tả định lượng trong ba chiều, vật liệu với tính năng nhỏ như nanomet. Các nhà nghiên cứu có thể áp dụng khám phá quan trọng này vào việc phân tích hầu hết các vật liệu cấu trúc quan tâm đến ngành công nghiệp.
“Điều làm cho thuật toán của chúng tôi trở nên độc đáo là nếu bạn bắt đầu với một vật liệu mà về cơ bản bạn không biết gì về cấu trúc vi mô, thì trong vài giây, nó sẽ cho người dùng biết cấu trúc vi mô chính xác trong cả ba chiều”, Subramanian Sankaranarayanan, trưởng nhóm của Nhóm lý thuyết và mô hình hóa CNM và một phó giáo sư tại Khoa Kỹ thuật Cơ khí và Công nghiệp tại Đại học Illinois tại Chicago.
“Ví dụ, với dữ liệu được phân tích bởi công cụ 3D của chúng tôi”, Henry Chan, nhà nghiên cứu sau tiến sĩ của CNM, tác giả chính của nghiên cứu cho biết, “người dùng có thể phát hiện ra các lỗi và vết nứt và có khả năng dự đoán thời gian sống dưới các ứng suất và biến dạng khác nhau cho tất cả các loại vật liệu cấu trúc. . “
Hầu hết các vật liệu cấu trúc là đa tinh thể, có nghĩa là một mẫu được sử dụng cho mục đích phân tích có thể chứa hàng triệu hạt. Kích thước và sự phân bố của các hạt và khoảng trống trong một mẫu là các đặc điểm cấu trúc vi mô quan trọng ảnh hưởng đến các tính chất vật lý, cơ học, quang học, hóa học và nhiệt quan trọng. Kiến thức như vậy rất quan trọng đối với việc phát hiện ra các vật liệu mới với các đặc tính mong muốn chẳng hạn như các thành phần máy mạnh hơn và cứng hơn tồn tại lâu hơn.
Trước đây, các nhà khoa học đã hình dung các đặc điểm cấu trúc vi mô 3D trong một vật liệu bằng cách chụp ảnh nhanh ở kính hiển vi của nhiều lát 2D xử lý các lát riêng lẻ, sau đó dán chúng lại với nhau để tạo thành một bức tranh 3D. Đó là trường hợp với thói quen chụp cắt lớp vi tính được thực hiện trong bệnh viện. Tuy nhiên, quá trình đó không hiệu quả và dẫn đến mất thông tin. Do đó, các nhà nghiên cứu đã tìm kiếm các phương pháp tốt hơn để phân tích 3D.
Mathew Cherukara, một nhà khoa học trợ lý tại CNM chia sẻ thêm: “Lúc đầu chúng tôi đã nghĩ đến việc thiết kế một thuật toán dựa trên đánh chặn để tìm kiếm tất cả các ranh giới giữa vô số hạt trong mẫu cho đến khi ánh xạ toàn bộ cấu trúc vi mô theo cả ba chiều, nhưng như bạn có thể tưởng tượng, với hàng triệu hạt, điều đó cực kỳ tốn thời gian và không hiệu quả. “
Cái hay của thuật toán học máy của nhóm Chan là nó sử dụng thuật toán không giám sát để xử lý vấn đề biên và tạo ra kết quả chính xác cao với hiệu quả cao. Kết hợp với các kỹ thuật lấy mẫu xuống chỉ mất vài giây để xử lý các mẫu 3D lớn và thu được thông tin cấu trúc vi mô chính xác, mạnh mẽ và có khả năng chống nhiễu.
Nhóm nghiên cứu đã thử nghiệm thành công thuật toán bằng cách so sánh với dữ liệu thu được từ các phân tích của một số kim loại khác nhau (nhôm, sắt, silicon và titan) và các vật liệu mềm (polyme và micelle). Những dữ liệu này đến từ các thí nghiệm được công bố trước đó cũng như mô phỏng máy tính chạy tại hai Cơ sở Người dùng Khoa học của DOE, Cơ sở Điện toán Lãnh đạo Argonne và Trung tâm Điện toán Khoa học Nghiên cứu Năng lượng Quốc gia. Cũng được sử dụng trong nghiên cứu này là Trung tâm tài nguyên điện toán phòng thí nghiệm tại Argonne và Cụm carbon trong CNM.
“Đối với các nhà nghiên cứu sử dụng công cụ của chúng tôi, lợi thế chính không chỉ là hình ảnh 3D ấn tượng được tạo ra mà quan trọng hơn là dữ liệu mô tả chi tiết”, ông Sankaranarayanan nói. “Họ thậm chí có thể theo dõi định lượng và trực quan sự phát triển của một cấu trúc vi mô khi nó thay đổi trong thời gian thực.”
Thuật toán học máy không bị giới hạn ở chất rắn. Nhóm nghiên cứu đã mở rộng nó để bao gồm đặc tính phân bố các cụm phân tử trong chất lỏng với các ứng dụng năng lượng, hóa học và sinh học quan trọng.
Công cụ học máy này sẽ chứng minh được tác động đặc biệt đối với việc phân tích dữ liệu thời gian thực trong tương lai từ các cơ sở mô tả vật liệu lớn như Nguồn Photon nâng cao, Cơ sở người dùng khoa học DOE khác tại Argonne và các synchrotron khác trên thế giới.
Nguồn truyện:
Tài liệu được cung cấp bởi Phòng thí nghiệm quốc gia DOE / Argonne . Bản gốc được viết bởi Joseph E. Harmon. Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :