利哈伊大学 显示与铁电材料表面接触的悬臂的3d再现的示意图
图表显示了神经网络如何用于可视化与反应机制相关的空间差异
信用:约书亚C
琼脂和约书亚·威利 材料科学的创新对于现代生活来说就像室内管道一样重要，但却被忽视了
例如，半导体器件的创新继续使更多信息的传输变得更快，并通过更小的硬件实现——例如通过一种适合我们手掌的设备
成像技术的改进使得收集这类装置中使用的纳米材料性质的大量数据成为可能
(一纳米是十亿分之一米
按比例来说，一缕头发的厚度在50，000到100，000纳米之间
) 利哈伊大学材料科学助理教授乔舒亚·阿加尔说:“挑战在于，产生人类可解释数据的分析方法对于数据的复杂性和规模来说仍然装备不良。”
“收集到的数据中只有极小一部分转化为知识
" 琼脂研究纳米铁电体，这是一种显示自发极化的材料——由于带电原子的微小移动——可以通过施加外部电场来反转
尽管在下一代低功耗信息存储/计算、通过收集废弃能量提高能效、环境友好型固态冷却等方面有着广阔的应用前景，但铁电体要充分发挥潜力，仍有许多问题需要解决
琼脂使用一种多模态高光谱成像技术——可通过橡树岭国家实验室纳米材料科学中心的用户程序获得——称为带激发压电响应力显微镜，它测量材料对电刺激做出响应时的机械特性
这些所谓的原位表征技术允许直接观察纳米尺度过程的作用
“我们的实验包括用悬臂接触材料，用电场驱动材料时，测量材料的性质，”阿加尔说
“本质上，我们去每一个单独的像素，测量一个非常小的材料区域在我们驱动它进行转换时的响应
" 琼脂解释说，这项技术产生了大量的信息，这些信息是关于物质是如何反应的，以及在不同状态之间转换时发生的各种过程
“你可以得到每个像素的这张图，它有许多光谱和不同的响应，”阿加尔说
“使用这种技术，所有这些信息都可以立即显示出来
问题是，由于数据不干净——噪音很大，你如何真正搞清楚发生了什么
" 琼脂和他的同事开发了一种人工智能技术，该技术使用深度神经网络从他们实验产生的大量数据中学习，并提取有用的信息。
运用这种方法，他和他的团队第一次发现并可视化了铁电畴切换中的几何驱动差异
这项技术，以及它是如何被利用来实现这一发现的，已经在今天发表在《自然通讯》上的一篇名为“利用深层递归神经网络揭示铁电开关特性”的文章中进行了描述
“其他作者包括加州大学伯克利分校的研究人员；劳伦斯·伯克利国家实验室；阿灵顿德克萨斯大学；宾夕法尼亚州立大学，大学公园；橡树岭国家实验室纳米材料科学中心
该团队是材料科学领域第一批通过开源软件发布论文的团队之一，该软件旨在实现交互式计算
这篇论文和代码都可以作为一个Jupyter笔记本获得，它运行在免费的云计算服务谷歌协作上
任何研究人员都可以访问论文和代码，测试方法，修改参数，甚至在自己的数据上进行尝试
通过共享数据、分析代码和描述，阿加尔希望这种方法能在橡树岭国家实验室纳米材料科学中心使用这种高光谱表征技术的人之外的群体中使用
据阿加尔说，神经网络方法可能有广泛的应用:“它可以用于电子显微镜，扫描隧道显微镜，甚至航空摄影，”阿加尔说
“它跨越了界限
" 事实上，神经网络技术源于阿加尔和约书亚·布鲁姆的工作，后者是伯克利的天文学教授，之前发表在《自然天文学》上
琼脂将该技术应用于材料使用
“我的天文学同事正在测量夜空，观察不同的恒星，并试图根据它们的光强分布对它们进行分类，”阿加尔说
使用神经网络方法分析高光谱成像数据 应用神经网络技术，使用自然语言处理中使用的模型，阿加尔和他的同事能够直接成像和可视化一种经典铁电材料转换中的一个重要的微妙之处:钛酸铅，在此之前，从未做过
琼脂解释说，当这种材料在外部电场作用下改变其极化状态时，它会形成一个畴壁，或者两种不同极化方向之间的边界
根据几何形状，电荷可以在该边界上积累
这些畴壁界面处的模块化导电性是该材料在晶体管和存储器件中应用的强大潜力的关键
“从物理学的角度来看，我们在这里检测到的是不同类型的带电荷或不带电荷的畴壁的形成，这取决于几何形状，”阿加尔说
根据阿加尔的说法，这一发现不可能使用更原始的机器学习方法，因为这些技术倾向于使用线性模型来识别线性相关性
这种模型不能有效地处理结构化数据，也不能建立理解高光谱成像产生的数据所需的复杂关联
琼脂开发的神经网络类型具有黑盒性质
该方法通过将单个数学组件堆叠到复杂的体系结构中来工作
然后，系统通过“一遍又一遍地浏览数据，直到发现什么是重要的”来优化自己
" 然后，琼脂用较少的参数创建一个简单的低维模型表示
“为了解释输出，我可能会说:‘定义数据集中的所有要素，哪10个参数最重要？’”琼脂说
“然后我可以想象这10个参数是如何影响响应的，并通过使用这些信息来识别重要的特征
" 纳米人机界面 琼脂在这个项目上的工作得到了TRIPODS+X基金的部分支持，这是一个国家科学基金会的奖励项目，支持合作团队为复杂和根深蒂固的数据科学问题带来新的视角
这项工作也是利哈伊的纳米/人机界面总统工程研究计划的一部分
“这个工具可能是一种方法，因为一旦经过训练，神经网络系统可以非常快速地评估新的数据，”阿加尔说
“这可能会带来非常大的数据流，并对其进行动态处理
一旦经过处理，数据就可以以可解释的方式与他人共享，将大数据流转化为可操作的信息
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
