Credit: CC0公共领域把他们想象成乐高大师级的建造者，只是原子级的。大学博尔德分校的工程师向前迈出了一大步，他们将先进的计算机模拟与人工智能相结合，试图预测电子设备(如手机中的晶体管)将如何失效。这项新的研究由物理学家和航天工程师Sanghamitra Neogi领导，本周发表在《npj计算材料》杂志上。
在他们的最新研究中，Neogi和她的同事绘制了由原子组成的小积木的物理图，然后使用机器学习技术来估计由这些相同的积木创建的更大的结构可能会如何表现。这有点像看一块乐高积木来预测一座更大的城堡的强度。
“我们正试图理解拥有数十亿个原子的设备的物理特性，”安和H.J .斯梅德航空航天工程科学系的助理教授Neogi说。
这一追求可能会给支撑我们日常生活的电子产品带来福音，从智能手机和电动汽车到新兴的量子计算机。Neogi说，有一天，工程师们可以利用该团队的方法提前查明电子元件设计中的弱点。
该项目是Neogi更大的关注点的一部分，关注非常小的事物，如原子的摆动，如何帮助人们建造新的更高效的计算机——甚至是那些从人类大脑中获取灵感的计算机。博尔德大学航空航天工程研究助理阿尔特姆·皮马切夫是这项新研究的合著者。
Neogi说:“我们的方法可以在我们制造设备之前，就给我们一个关于设备如何工作的先验知识，而不是等待数年来找出设备失败的原因。
加热
她的最新研究聚焦于电子行业的一大症结:热点。
不，这并不意味着移动WiFi连接。Neogi解释说，大多数现代计算工具都有大量的缺陷——电子元件中的小缺陷，这些缺陷会导致热量在某些地方积聚，有点像骑自行车在崎岖不平的地形上时速度会变慢。这样的“热点”也会让你的智能手机效率降低很多。
Neogi说，问题在于，工程师们利用计算机模拟或模型，很难提前预测这些弱点可能出现在哪里。
“我们可以使用物理模型来理解其中大约有100个原子的系统，”Neogi说。“但这无法与这些设备中的数十亿个原子相比。”
她认为机器智能可以帮助工程师设计更好的电子产品。
从原子到设备
回想一下那些独立的乐高积木，在这种情况下，它们是由16个硅和锗原子组成的团块，是许多计算机组件的主要成分。
在这项新的研究中，Neogi和她的同事开发了一个计算机模型，该模型使用人工智能来学习这些构件中的物理属性——或者原子和电子如何结合在一起来确定材料中的能量分布。然后，该模型可以从这些基本块中推断出更大的原子块中的能量分布。
Neogi说:“它从每个单独的单元收集信息，并将其组合起来，以预测集体系统的最终属性，该系统可以由两个、三个或更多的单元组成。
她的团队还有很长的路要走，才能在你手机大小的设备中找出所有潜在的弱点。但是，到目前为止，该组织的模式被证明是有效的。Neogi和她的同事使用该工具准确预测了几种由硅和锗制成的真实材料的特性。
这位研究人员还利用她对热量和能量如何在非常小的尺度上流动的理解，不仅改善了现有的设备，而且有助于创造未来的设备。2019年，Neogi加入了一项耗资170万美元的国家项目，探索“神经形态”计算机的潜力，即通过模仿大脑神经元的活动来存储和分析信息的设备。
“我想做的是戳戳你手持设备中的原子世界，了解材料和电子是如何结合在一起使设备工作的，”她说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
