生成模型揭示资料无序的秘密,改善功能资料设计

编辑 | 绿萝压电资料可以因机械变形产生电场,也可以因电场作用产生机械变形,这种固有的机-电耦合效应使得压电资料在工程中得到了广泛的应用。在资料科学领域,了解搀杂资料中的不同布局混乱是否具有有价值的功能,其中一个关键挑战是识别特定样品中的混乱类型。新加坡国立大学的一个研讨小组通过将压电资料畴界(domain boundary)中的各种布局混乱压缩为一小组单纯的多标准几率限定来解决这一挑战。根据这些限定,他们创造了一个生成式机器进修模型,该模型的长度标准跨越了三个数量级,从而可以研讨超出实际测量限制的资料的统计特性。

生成模型揭示资料无序的秘密,改善功能资料设计

编辑 | 绿萝

压电资料可以因机械变形产生电场,也可以因电场作用产生机械变形,这种固有的机-电耦合效应使得压电资料在工程中得到了广泛的应用。

在资料科学领域,了解搀杂资料中的不同布局混乱是否具有有价值的功能,其中一个关键挑战是识别特定样品中的混乱类型。

新加坡国立大学的一个研讨小组通过将压电资料畴界(domain boundary)中的各种布局混乱压缩为一小组单纯的多标准几率限定来解决这一挑战。根据这些限定,他们创造了一个生成式机器进修模型,该模型的长度标准跨越了三个数量级,从而可以研讨超出实际测量限制的资料的统计特性。

该研讨以《A multiscale generative model to understand disorder in domain boundaries》为题,发布在《Science Advances》上。

生成模型揭示资料无序的秘密,改善功能资料设计

论文链接:https://www.science.org/doi/10.1126/sciadv.adj0904

凝聚态系统通常由单纯和有限的 motif(或布局单元)来描述,搀杂的布局可以从这些 motif 的单纯组装限定中产生。

Motif 间的关系建立了微观布局,而微观布局反过来又决定了资料的宏观特性。Motif 有望无序地组装成搀杂的布局,从而最大化它们的熵。

原子无序在资料中表现出来的最单纯的方式之一是在晶粒界面,即相同晶体种类的两个区域之间的界面,包括晶界和畴界。布局图案可以沿着晶界形成搀杂的构型,并且在某些情况下,决定宏观特性。平移畴界 (Translation domain boundary,TDB) 是一种更单纯的边界情况,它将资料中的两个区域分开,这些区域的晶格因非晶胞矢量的特定平移而未对准。

图 1A 为铌酸钾钠 (KNN) 薄膜的示例性高角度环形暗场 (HAADF) STEM 图像,其中此类 TDB 覆盖有假色。

尽管晶界的维数较低,但其布局的搀杂性和多样性尚未得到令人满意的建模或理解。到目前为止,尚不清楚晶界是「完全随机的」还是遵循不同长度标准的组织限定。

生成模型揭示资料无序的秘密,改善功能资料设计

图 1:由混合生成模型破译的翻译畴界的层次布局视图。(来源:论文)

在此,研讨人员提出并验证了一种单纯而有效的混合生成模型,该模型能够仅通过少量调查来预测铌酸钾钠薄膜中不可见的畴界,而无需昂贵的第一原理计算或域生长的原子模拟。

结果表明,跨越 1 至 100 纳米的搀杂畴界布局可以由单纯的可解释的几率性局部限定产生。还创造了以前未调查到的、重要的、可平铺的边界图案,它们可能会影响资料系统的压电响应,并且有证据表明混合生成模型创造了具有最高构型熵的畴界。

生成模型揭示资料无序的秘密,改善功能资料设计

图 2:有效表示布局 motif 并将 motif-motif 组装限定重新构建为几率生成模型的工作流程。(来源:论文)

新加坡国立大学物理系和生物科学系助理教授 Ne-te Duane Loh 领导的研讨小组创造,沿着铌酸钾钠(potassium sodium niobate ,KNN )压电薄膜畴界,实验调查到的布局混乱可以被提炼成一套令人惊讶的单纯几率限定。

这些限定可以分解为在不同长度标准上占主导地位的两组——马尔可夫链和随机核。使用这两组限定为特定资料样本创造畴界的集合。

该团队将这些几率限定转化为可解释的机器进修模型的「词汇」和「语法」,以生成和研讨大量与实验测量结果无法区分的现实无序畴界。与实际实验或昂贵的第一性原理计算相比,这种生成模型提供了更多数量级的调查结果。

使用该模型,研讨创造了资料中以前未检测到的畴界图案,这些图案是链状布局,揭示了可能影响其压电响应的因素。他们还创造了这些畴界使熵最大化的证据。

这一突破表明,单纯但可解释的机器进修模型可以为描述和理解搀杂资料中无序的本质和起源铺平道路,从而改善功能资料的设计。

该研讨延续了该团队将统计进修与原子分辨率电子显微镜相结合的持续成果,以对搀杂资料进行成像。第一作者、Eric 和 Wendy Schmidt AI 科学研讨员 Jiadong Dan 博士说:「我们的工作可以普遍扩展并应用于其他重要系统,在这些系统中,无序在控制资料的物理性质方面发挥着重要作用。」

该团队还设想进一步研讨新创造的布局图案的功能重要性,突显理解和设计搀杂资料的潜力。

Loh 教授补充道:「这项工作补充了我们早期对原子主题层次布局的了解。它们共同推动我们与显微镜一起创造配套的人工智能,以提供前所未有的快速反馈。」

参考内容:https://phys.org/news/2023-12-generative-unveils-secrets-material-disorder.html

给TA打赏
共{{data.count}}人
人已打赏
理论

2023年科研畛域「 迷信ChatGPT」有哪些?LLM for Science有哪些探究......

2023-12-26 18:00:00

理论

ScienceAI 2023 年度「AI+药物&调理&基因组&细胞」专题

2023-12-26 18:40:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索