我有一种开发新型纳米材料的方法。
“……我们最终都会失去魅力但是方形切割或梨形的这些岩石不会失去形状钻石是女孩最好的朋友。 。 ."
玛丽莲·梦露可能让前几代人相信钻石是女孩的礼物 最好的朋友，但将来人们可能不会歌颂闪闪发光的碳基 宝石；他们可能是关于石墨烯相关的新型纳米材料和。得益于使用人工智能 (AI) 的多学科合作， 足球比赛结果的物理学家 Yoke Khin Yap 和一组研究人员 希望开发出比钻石更小、强度更高的新型纳米材料。
我有一个方法...
一个偶尔的系列，我们剖析研究人员如何开展工作，一种方法论 一次。因为如果解释清楚，每个人都可以理解科学。
关于那些纳米管……
纳米管和石墨烯是一类可以组成的低维材料 碳或碳、硼或氮的某种组合（B-C-N 纳米材料）。 连接原子形成这些纳米材料的分子键非常明显 强大且应用广泛，来自水净化至生物医学研究，来自太阳能电池至半导体用于计算和电子产品。
DFT、AI 和其他有用的缩写词
工作发生在：— Yap 的团队需要一个原子窗口。感谢密歇根州国家科学基金会 (NSF) 的仪器资助 科技购买了一个扫描透射电子显微镜 (STEM)2018 年。根据 Yap 的说法，该系统“使我们能够在原子水平上对纳米材料进行成像” 分辨率，同时我们可以触摸它们；我们可以探测它们；我们可以描述 他们原位.”
STEM 360 度视图
但是将材料放到显微镜下是一条漫长的路。如果新材料可以的话会怎样 在人们看到之前就被发明出来了？
Yap 的工作受到 20 世纪 70 年代发展的密度泛函理论 (DFT) 的启发。 DFT 广泛应用于学术界和工业界，用于研究材料和预测行为 在原子水平上，包括结构和电子特性。在早期 天理论，存在局限性； DFT 并不是非常准确。根据 对 Yap 来说，DFT 告诉实验者有关 a 的性质的重要信息 新结构，但对如何制作这些理论材料几乎没有提供任何见解 一个现实。他补充说，DFT 预测更适合纳米尺度，包括 100 个原子或更少。因此，预测新的纳米材料是 DFT 的最佳点。
关于研究人员
轭钦叶
ykyap@mtu.edu
906-487-2900
研究兴趣
- 量子材料和纳米结构的受控合成和表征。
- 探索新型量子材料和纳米异质结构。
- 创造性地将量子材料和纳米材料用于先进电子、能量收集、环境和生物医学应用。
但人工智能使这个过程变得更加有趣和复杂。
计算机科学家插入当前已发表的新材料研究数据 然后使用一种流行的向量空间建模类型（称为）来比较该信息。研究人员正在寻找关键词（例如碳纳米管）存在的地方 Yap 说，和石墨烯可能与带隙或迁移率等特性重叠。
“他们使用计算机来挖掘所有正在发表的理论预测 由物理学家和化学家提出，”Yap 说。“这汇集了所有类型的理论，我们发现有一个子集 可能会有更多人同意。”
从那里，研究人员将这些数据挖掘结果输入到卷积神经网络中 神经网络（CNN），它是一种机器深度学习网络，其中 计算机应用逻辑来做出预测。通过层层过滤， CNN 揭示了数据中的更多模式。
Susanta Ghosh 是足球比赛结果机械工程系助理教授 并与 Yap 一起研究新材料。他说：“材料方面的最大挑战 设计范式是材料设计空间的高维性，因为 大量可能的组合或条件会产生不同的材料。”
关于研究员
换句话说，设计过程因数量惊人而变得复杂 尺寸。
“与实验或模拟相结合的数据驱动建模显示出巨大的优势 承诺克服这一挑战，”戈什补充道。 “数据驱动建模，例如机器 学习，正在为跨领域创建结构-属性关系开辟新的可能性 不同的材料长度和时间尺度，并能够优化微观结构 材料设计的空间。”
这个过程很漫长，而且像 DFT 一样，它仅限于识别材料是什么 可能的。 Yap 表示，进一步研究动态的 DFT 建模的另一层 化学反应的研究可能会强化 CNN 的预测并提供有关以下方面的见解 如何实际制造材料。他预计在未来会看到新材料 未来 10 到 15 年。
“这很复杂，它将成为一个非常跨学科的合作 理论家、计算机科学家、实验物理学家和化学家共同创造新的 纳米材料，”Yap 说。
这种多学科方法推进了有关未来的现有知识和理论 为计算、医学、工程等领域生成材料。借助人工智能和 原子成像，可能性不会失去形状和纳米材料 - 不是钻石 ——是物理学家最好的朋友。
足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科和毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。
评论