中國粉體網訊 3月15日,，杭州電子科技大學機械工程學院董源教授研究團隊將人工智能,、深度學習、對抗生成技術與新材料的研發(fā)相結合,，研究出針對石墨烯/氮化硼復合二維材料的人工智能系統(tǒng),。
傳統(tǒng)的材料學硏究中，新材料需要經歷理論發(fā)現(xiàn),、實驗室制備,、工程化制造和實際應用等階段，這一過程至少需要20至30年,，造成材料科研“耗時耗力”,。將人工智能應用到新材料研發(fā)中，是解決目前材料研發(fā)周期過長,、代價過高的一種新嘗試,。
董源研究團隊采用大規(guī)模高通量計算收集了大量的結構-帶隙之間的關聯(lián)數(shù)據(jù),，作為人工智能的學習數(shù)據(jù)集。他們構建了數(shù)套深度卷積神經網絡,，可以學習已有的結構-帶隙數(shù)據(jù),，精確預測不在數(shù)據(jù)集之中的任意新型結構的帶隙，精確度可高達95%,。
“這一類材料的帶隙可以在導體與寬禁帶半導體之間廣泛可調,，并且高度依賴原子的空間排布，在高性能存儲,、光電器件中具有重要應用潛力,。”董源指出,。
在進一步研究中,，董源團隊希望人工智能能夠承擔起一位材料科學家的角色，也就是可以根據(jù)用戶需求主動設計材料,。
“我們采用了近年來備受關注的對抗生成網絡(GAN)來實現(xiàn)這一目的,。”董源說,。通過將深度卷積網絡中的“隱藏神經層”與對抗生成網絡中的“判別器”嵌合在一起,，他們所設計的“條件生成對抗網絡”可以做到根據(jù)用戶對帶隙的需求，自動生成新的石墨烯/氮化硼材料結構,，且準確度依然可以達到90%左右,。
董源團隊還通過對隱藏神經層進行數(shù)據(jù)降維，觀測到條件生成對抗網絡跟蹤材料結構與物性之間耦合關系的過程,，對人工智能在材料科學應用中的可解釋性做出了部分闡述,。
日前，浙江省發(fā)布了《浙江省新材料產業(yè)發(fā)展“十四五”規(guī)劃》,，明確提出力爭到2025年,，初步建成全球有重要影響力的新材料產業(yè)高地。
“人工智能加速新材料研發(fā)這一領域的進展是激動人心的,，迫切需要材料領域,、信息科學領域的科學家以及材料產業(yè)專家精誠合作、緊密團結來推動它的發(fā)展,�,！倍幢硎尽�
（中國粉體網編輯整理/山川）
注：圖片非商業(yè)用途,，存在侵權告知刪除
