Kuinka iso data auttaa oppimaan perinteisten materiaalien uusia ominaisuuksia

Joskus jopa aineita ja materiaaleja, joistaVaikuttaa siltä, ​​että ehdottomasti kaikki tiedetään, ne voivat yllättää paljon. Samaan aikaan aineiden uusien ominaisuuksien oppimiseksi ei ole lainkaan välttämätöntä ”tutkia niitä sisäpuolelta” ottamalla erillään kumpikin alkuainehiukkasista, jotka muodostavat nämä aineet erikseen. Esimerkiksi äskettäin ryhmä tutkijoita, jotka käyttivät koneoppimistekniikoita ja suuria tietoja, pystyi löytämään uusia nikkelin ominaisuuksia.

Nikkeli on melko yleinen materiaali. Mutta kuten kävi ilmi, emme tiedä paljon hänestä.

Mitä uusia ominaisuuksia nikkelillä on?

Lehden julkaiseman tutkimuksen mukaanFyysinen arviointi -ryhmä, tutkijaryhmä, jota johtaa Rensselaerin ammattikorkeakoulun materiaalitieteen ja tekniikan professori Edwin Fochtung, on löytänyt uuden tavan työskennellä nikkelin kanssa "vapauttamalla" sen ominaisuudet. Lisäksi sellainen löytö antaa sinun käyttää sitä valtavassa joukossa monenlaisia ​​projekteja - kompaktaisten biosensorien kehittämisestä kvanttitietokoneiden luomiseen. Muuten, tiedämme säännöllisesti kvantitietokoneista portaalimme sivulla. Tilaa meitä, jotta et menetä tärkeintä!

Tutkijat Rensselaer-ammattikorkeakoulussaymmärsin, että kun nikkeli "valssoidaan" erittäin ohuen yhden sirun nanojohdon kokoon ja altistetaan mekaaniselle energialle, syntyy erittäin voimakas magneettikenttä. Tätä ilmiötä kutsutaan magnetostriktioksi. Toisaalta, jos tähän materiaaliin kohdistetaan magneettikenttä, sisällä olevat atomit muuttavat muotoa. Tätä atomien liikettä voidaan käyttää energian keräämiseen. Vaikka nikkeli on melko yleinen materiaali, vastaavia ominaisuuksia ei aiemmin tiedetty.

Kuvittele, että luot järjestelmän, jolla on valtavananojohtojen lukumäärä. Voit laittaa sen ulkoiseen magneettikenttään, ja se kerää erittäin suuren määrän energiaa, mutta itse järjestelmä on hyvin pieni verrattuna olemassa olevaan. - sanoo professori Fochtung.

Tutkijat ovat löytäneet tämän ainutlaatuisen ominaisuuden.käyttämällä linssivapaata mikroskopiaa, jota kutsutaan synkrotronilla tiedon keräämiseen. Synkrotroni on pyöreä tyhjiökammio, jossa hiukkaset kiihdytetään valon nopeuden lähellä olevaan nopeuteen, ja niiden tapaan seisovat voimakkaat sähkömagneetit määrittävät niiden liikkumisen etenemissuunnan. Siten voidaan oppia paljon alkuainehiukkasten käyttäytymisestä ja ominaisuuksista. Mutta synkrotronista kerättyjen tietojen määrä on erittäin suuri, ja tässä koneoppimisalgoritmit ovat hyödyllisiä.

Katso myös: Tupakanlehdistä valmistettu materiaali osoittautui yhtä kestäväksi kuin puu tai muovi

Tiedot syötettiin tietokonealgoritmeihin,joka loi kolmiulotteisia kuvia elektronitiheydestä ja nikkeli-atomien siirtymästä aineilla, joiden paksuus ja tiheys oli erilainen. Käyttämällä joukkoa hermoverkkoja, jotka toimivat suuren datan kanssa, oli mahdollista saada parempia kuvia kuin perinteisillä mikroskoopeilla, mikä antoi tutkijoille enemmän tietoa.

Tämä lähestymistapa paljastaa erittäin pienenesineitä ja oppia materiaaleista, joita emme koskaan tienneet ”, sanoi professori Fochtung. Jos käytät mikroskooppilinssejä, näkemällesi on rajoitettu. Tämän määrää linssin koko, sen kaarevuus ja muut ominaisuudet. Nyt meillä ei ole tätä rajaa.

Tutkijat uskovat tämän lähestymistavan tutkimukseenaineiden avulla tutkijat voivat oppia vielä enemmän kiinteiden olomuotojen materiaaleista, kuten sellaisista, joita käytetään teknologisissa laitteissa. Tämä voi jopa antaa syvemmän käsityksen ihmisen kudosten ja solujen työstä, jota voidaan myös tutkia uudella tekniikalla.