SMART研究人员开创了一种新的机器学习模型，能够根据胡曼定义的属性设计各种元素和结构的材料(通用逆向设计)。功劳:新加坡-麻省理工学院研究与技术联盟(SMART)新加坡-麻省理工学院研究与技术联盟(SMART)低能量电子系统跨学科研究组(IRG)的研究人员与机构合作者一起，发现了一种以相当高的精度进行一般逆向设计的新方法。这一突破为一个新兴的快速发展的领域的进一步发展铺平了道路，该领域最终能够使用机器学习来根据一组用户定义的属性准确识别材料。这对材料科学来说可能是革命性的，并具有巨大的工业效益和使用案例。材料科学和研究中的一个关键挑战是创造一种具有特定特性和性质的材料或化合物，以适应特定的应用或使用情况。为了解决这个问题，研究人员传统上采用通过材料特性数据库进行材料筛选的方法，这导致了有限数量的具有用户定义的功能特性的化合物的发现。然而，即使使用高性能计算，必要计算的计算成本也很高，这阻碍了对理论材料空间的彻底搜索。因此，迫切需要一种替代方法，使这一材料勘探过程更加全面和有效。
进入逆向设计。顾名思义，逆向设计的概念颠倒了传统的设计过程，只需输入一组所需的属性和特性，然后使用优化算法生成预测的解决方案，就可以对新材料和化合物进行“逆向工程”。最近反向设计的出现引起了光子学领域的特别关注，该领域越来越多地转向非常规技术，以规避与设计越来越小但功能更强大的设备相关的固有挑战。目前的方法涉及传统设计，其中设计师设想一个固定的形状或结构作为起点。这一过程是劳动密集型的，并且将各种具有不同形状或结构的其他设备排除在考虑之外，其中一些设备可能比传统形状或结构更有潜力。
逆向设计消除了这一问题，而是允许制造具有最佳或有效形状、结构、化学成分或其他特性或性质的器件。虽然逆向设计并不新鲜，但SMART研究人员在发现通用逆向设计的可行方法方面更进一步，在该方法中，逆向设计能力不限于特定的一组元素或晶体结构，而是能够访问多种元素和晶体结构。
最近发表在《物质》杂志上的一篇题为“具有目标性质的无机晶体的一般逆设计的可逆晶体学表示”的论文概述了这一突破。在这项研究中，该团队展示了一个称为FTCP(傅里叶变换晶体特性)的无机晶体通用(成分和结构变化)逆向设计框架，该框架允许通过采样、解码和后处理对具有用户指定特性的晶体进行逆向设计。更有希望的是，研究人员表明，FTCP能够设计出不同于已知结构的新晶体材料——这是探索这一新生技术的重大进展，对材料科学和工业应用具有潜在的革命性意义。
SMART研究人员开发的算法在材料数据库中对50，000多种化合物进行训练，然后学习和概括化学、结构和性质之间的复杂关系，以预测具有用户目标特性的新化合物或材料。该算法用targ et形成能、带隙和热电功率因子预测材料，并通过密度泛函理论的模拟验证这些预测，反过来证明了合理的精确度。
“对于材料研究领域来说，这是一个令人难以置信的令人兴奋的发展。材料科学研究人员现在有了一个有效而全面的工具，他们可以通过简单地输入所需的特征来发现和创造新的化合物和材料，”LEES的首席研究员、麻省理工学院机械工程教授Tonio Buonassisi说。
新加坡国立大学研究生、该论文的第一作者之一艾萨克·田补充道:“在这个旅程的下一步，一个重要的里程碑将是改进算法，以便能够更好地预测稳定性和可制造性。这些都是SMART团队目前正在与新加坡和全球合作者合作的令人兴奋的挑战。”
LEES的主要作者和博士后研究员任泽坤说，“寻找更有效和高效的方法来创造具有用户定义特性的材料或化合物的目标一直是材料科学研究人员的焦点。我们的工作展示了一种可行的解决方案，它超越了专门的逆向设计，使研究人员能够探索不同成分和结构的潜在材料，从而能够创造更广泛的化合物。这是一个成功的通用逆向设计的开创性例子，我们希望在进一步的研究工作中利用这一成功。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
