「物理」科学家首次使用人工智能，在中子数据中，寻找亚原子水平的秘密！
科学家们试图将量子材料 ， 即那些在亚原子水平上具有相关顺序的材料用于电子器件、量子计算机和超导体 。 量子材料的许多性质 ， 都归功于发生在最小尺度上的物理 ， 完全是量子力学的物理 。 一些材料 ， 如复杂的磁性材料 ， 与量子材料有共同点 ， 科学家可以研究这些材料 ， 以便更好地理解量子材料 ， 并了解它们在许多不同电子配置中存在的能力 。
本文插图
然而 ， 理解量子和复杂磁性材料中发生相互作用需要严格的研究方法 。 一种这样的方法是中子散射 ， 在这种方法中 ， 被称为中子的中性粒子从材料上散射出来 ， 从产生的相互作用中揭示其微观性质 。 然而 ， 事实证明 ， 即使对经验丰富的专家来说 ， 重建材料的结构和性能也具有挑战性 。 美国能源部橡树岭国家实验室(ORNL)的科学家 ， 首次使用人工智能(AI)在中子散射数据中寻找模式 ， 这些模式可以导致对量子或复杂磁性材料内部物理的理解 。
本文插图
在橡树岭国家实验室量子材料倡议负责人Alan Tennant的带领下 ， 研究团队训练了一个人工神经网络(ANN) ， 成功地解释了散裂中子源(SNS)进行的中子散射实验数据 ， 通过向该网络提供在橡树岭领导力计算设施(OLCF)的系统上 ， 执行中子散射模拟数据来训练该网络 ， 包括该中心退役的Cray XK7泰坦 。 泰坦是当时最强大的机器之一 ， 即使在去年秋天退休后 ， 它仍在继续为科学界提供新的发现 。
【「物理」科学家首次使用人工智能，在中子数据中，寻找亚原子水平的秘密！】
本文插图
以前 ， 当要做实验时 ， 不能完全确定得到了正确的结果 ， 有了这个神经网络 ， 可以对答案充满信心 ， 因为这个网络必须经过广泛的训练 。 在它遇到的所有可能情况中 ， 它都可以找到最优的解决方案 。 该神经网络可以揭示当前中子散射实验的新信息 ， 甚至可以洞察未来哪些实验最有利于运行 。 其研究成果发表在《自然通讯》期刊上 ， 研究小组正在继续OLCF的200petaflop IBM AC922峰会工作 ， 这是世界上最强大的超级计算机之一 。
超越人类
当科学家在SNS进行中子散射实验时 ， 必须考虑到可能形成散射模式的许多可能的情况 。 破译从材料上散射出来的中子成了一个谜 ， 人们传统上一直依赖对中子散射数据有丰富经验的人 ， 根据他们看到的散射模式来确定关于材料结构的可行假设 。 进行这些实验的研究人员 ， 通常可以为一种材料的哈密顿量（完全描述其性质的材料能量表达式）想出许多不同的情景 。 但它们不可能解释每一个单独的原因 ， 特别是在自旋冰这样的材料中 。
本文插图
自旋冰是冰的磁性类似物 ， 被认为具有奇异的磁性状态 ， 在这种状态下 ， 南北磁极可以分离并独立运行 ， 这是其他磁体无法做到的 。 然而 ， 确定这些材料中潜在的相互作用 ， 已被证明是非常具有挑战性的 。 训练人工神经网络(ANN)是一种可能的解决方案 ， 它是一种机器学习 ， 可以分析数据中的模式 ， 并以类似于人脑中神经网络的方式运行 。 人类永远不可能经历所有的情况 ， 因为总有一些你从未想过的情况 。 但一台电脑却可以有数十万种情况 ， 并能为科学家总结信息 。
本文插图
因此 ， 计算机变得某种程度上是可靠的 。 该团队对自动编码器（一种经常用于压缩和重建图像的人工神经网络）进行了培训 ， 使用超过500亿次计算对OLCF的超级计算资源进行了培训 ， OLCF是美国能源部(DOE)位于ORNL的科学用户设施办公室的一个机构 。 能够模拟比人类能够检查的更多场景 ， 发现 ， 人工神经网络过滤掉实验噪音 ， 只从原始散射数据中提取最重要的信息 ， 以重建材料的结构 。 计算机可以做一万个模型 ， 而不是一个人类只能做简单的100个左右 。
推荐阅读
- 「天文」科学家制造人造彗星，获取DNA成分
- []美国科学家发现太阳系边界，竟是一个巨型光球，把人类圈养在其中
- 【技术】台积电首次公布3nm技术并提上日程 最快明年面世
- ：iPhone12真机首次曝光，外观设计致敬乔布斯，性能有望全球第一
- 「NASA,载人飞行」定了！NASA局长宣布SpaceX将于5月27日进行首次载人飞行
- 「木星」为什么木卫二这个卫星会被科学家认为“一定会有生命”?
- 地球：太阳出现不好预兆，它死亡将与以往不同，科学家也无能为力
- #北卡罗来纳州#美国科学家：经常思考这2个问题的人，往往活得更潇洒
- 【zol中关村在线】台积电首次公布3nm技术并提上日程 最快明年面世
- 【动物】不只组织、肌肉全舍弃，科学家发现首个连呼吸都放弃的多细胞动物