Ontdekken hoe atomen, zoals een enkele laag koolstofatomen in grafeen, een van 's werelds sterkste materialen - werken om een ​​vast materiaal te creëren is momenteel een belangrijk onderzoeksonderwerp op het gebied van materiaalwetenschap, of het ontwerpen en ontdekken van nieuwe materialen. Aan de Universiteit van Missouri, onderzoekers van het College of Engineering passen een van de eerste toepassingen van deep learning toe - de technologie die computers gebruiken om op intelligente wijze taken uit te voeren zoals het herkennen van taal en het besturen van autonome voertuigen - op het gebied van materiaalwetenschap.

"Je kunt een computer trainen om te doen wat mensen anders vele jaren zouden kosten, " zei Yuan Dong, een onderzoeksassistent-professor mechanische en ruimtevaarttechniek en hoofdonderzoeker van de studie. "Dit is een goed uitgangspunt."

Dong werkte samen met Jian Lin, een assistent-professor werktuigbouwkunde en ruimtevaarttechniek, om te bepalen of er een manier was om de miljarden mogelijkheden van materiële structuren te voorspellen die worden gecreëerd wanneer bepaalde koolstofatomen in grafeen worden vervangen door niet-koolstofatomen.

"Als je atomen in bepaalde configuraties plaatst, het materiaal zal zich anders gedragen, Lin zei. "Structuren bepalen de eigenschappen. Hoe kun je deze eigenschappen voorspellen zonder experimenten te doen? Dat is waar computationele principes van pas komen."

Lin en Dong werken samen met Jianlin Cheng, een William en Nancy Thompson hoogleraar elektrotechniek en computerwetenschappen aan MU, om een ​​paar duizend bekende combinaties van grafeenstructuren en hun eigenschappen in deep learning-modellen in te voeren. Vanaf daar, het kostte de krachtige computer ongeveer twee dagen om de eigenschappen van de miljarden andere mogelijke structuren van grafeen te leren en te voorspellen zonder ze allemaal afzonderlijk te hoeven testen.

Onderzoekers voorzien toekomstig gebruik van deze kunstmatige intelligentie ondersteunende technologie bij het ontwerpen van veel verschillende grafeengerelateerde of andere tweedimensionale materialen. Deze materialen kunnen worden toegepast bij de constructie van LED-televisies, aanraakschermen, smartphones, zonnepanelen, raketten en explosieven.

"Geef een intelligent computersysteem elk ontwerp, en het kan de eigenschappen voorspellen, " zei Cheng. "Deze trend is in opkomst op het gebied van materiaalwetenschap. Het is een geweldig voorbeeld van het toepassen van kunstmatige intelligentie om het standaardproces van materiaalontwerp op dit gebied te veranderen."

De studie, "Bandgap-voorspelling door diepgaand leren in configuratiegehybridiseerd grafeen en boornitride, " werd gepubliceerd in npj Computational Materials .