麻省理工学院 信用:CC0公共领域 对于开发新材料或防护涂层的工程师来说，有数十亿种不同的可能性可以选择
实验室测试甚至详细的计算机模拟来确定它们的确切属性，例如韧性，对于每一个变化都需要几个小时、几天甚至更长时间
现在，麻省理工学院开发的一种新的基于人工智能的方法可以将这种情况减少到几毫秒，使得筛选大量候选材料变得切实可行
麻省理工学院的研究人员希望该系统可以用于开发更强的保护涂层或结构材料，例如保护飞机或航天器免受撞击。麻省理工学院博士后余志华在《物质》杂志的一篇论文中描述了该系统。余志华是土木与环境工程教授，系主任马库斯·J
国立台湾大学的布勒和许玉川
这项工作的重点是通过分析裂纹在材料分子结构中的传播来预测材料断裂的方式
布勒和他的同事花了很多年的时间详细研究裂缝和其他失效模式，因为理解失效过程是开发坚固、可靠材料的关键
布勒说:“我的实验室的一个专长是使用我们称之为分子动力学模拟，或者基本上是对这种过程的逐原子模拟。”
他说，这些模拟提供了压裂如何发生的化学精确描述
但是它很慢，因为它需要求解每个原子的运动方程
“模拟这些过程需要很多时间，”他说
该团队决定探索使用机器学习系统简化这一过程的方法
“我们有点走弯路，”他说
“我们一直在问，如果你只是观察(给定材料中)断裂是如何发生的，并让计算机学习这种关系本身，会怎么样？”为了做到这一点，人工智能系统需要各种各样的例子来作为训练集，以了解材料的特性和性能之间的相关性
在这种情况下，他们正在研究各种由晶体材料制成的复合层状涂层
变量包括层的组成和有序晶体结构的相对取向，以及基于分子动力学模拟的这些材料各自对断裂的反应方式
布勒说:“我们基本上是一个原子一个原子地模拟材料是如何断裂的，并记录下这些信息。”
他们煞费苦心地生成了数百个这样的模拟，具有各种各样的结构，并对每个结构进行了许多不同的模拟裂缝
然后，他们将大量关于所有这些模拟的数据输入他们的人工智能系统，看看它是否能发现潜在的物理原理，并预测不属于训练集的新材料的性能
确实如此
“这真是令人兴奋的事情，”布勒说，“因为通过人工智能进行的计算机模拟可以用分子动力学或有限元模拟来完成通常需要很长时间的工作，这是工程师解决这个问题的另一种方法，而且速度也很慢。”
这是一种模拟材料失效的全新方式
" 布勒强调，材料如何失效对于任何工程项目来说都是至关重要的信息
断裂等材料故障是“任何行业损失的最大原因之一
对于检查飞机或火车或汽车，或道路或基础设施，或混凝土，或钢铁腐蚀，或了解生物组织如骨骼的断裂，用人工智能模拟断裂的能力，并快速有效地做到这一点，是一个真正的游戏规则改变者
" 用这种方法产生的速度改进是显著的
徐解释说，“对于分子动力学中的单个模拟，运行模拟需要几个小时，但在这个人工智能预测中，只需要10毫秒就可以完成所有模式的预测，并显示裂缝是如何一步一步形成的
" 布勒说，他们开发的方法非常普遍
“尽管在我们的论文中，我们仅将其应用于一种具有不同晶体取向的材料，但您可以将这种方法应用于更复杂的材料
“当他们使用原子模拟的数据时，该系统也可以用来根据实验数据进行预测，例如正在经历断裂的材料的图像
“如果我们有一种我们以前从未模拟过的新材料，”他说，“如果我们有很多断裂过程的图像，我们也可以把这些数据输入机器学习模型。”
“无论输入是模拟的还是实验的，人工智能系统基本上都是一帧一帧地经历进化过程，记录每幅图像与之前的图像有何不同，以了解潜在的动态
例如，当研究人员利用麻省理工学院的新设施时
纳米，该研究所致力于制造和测试纳米材料的设施，将产生大量关于各种合成材料的新数据
布勒说:“随着我们拥有越来越多的高通量实验技术，能够以自动化的方式快速生成大量图像，这些类型的数据源可以立即被输入到机器学习模型中。”
“我们真的认为，未来将会是一个实验和模拟更加融合的时代，比过去更加融合
" 他说，该系统不仅可以应用于压裂，正如该团队在最初的演示中所做的那样，还可以应用于随时间推移而展开的各种过程，例如一种材料扩散到另一种材料中，或者腐蚀过程
“任何时候，只要你有物理场的演化，我们就想知道这些场是如何作为微观结构的函数而演化的，”他说，这种方法可能是一个福音
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
