Wetenschap
Deze afbeelding toont de algoritmische evolutie van een defectstructuur in een supergeleidend materiaal. Elke iteratie dient als basis voor een nieuwe defectstructuur. Rodere kleuren duiden op een hogere stroombelastbaarheid. Krediet:Argonne National Laboratory/Andreas Glatz
Eigenaren van volbloedhengsten fokken generaties lang zorgvuldig prijswinnende paarden om een fractie van een seconde te winnen in races van miljoenen dollars. Materiaalwetenschappers hebben een pagina uit dat draaiboek gehaald, zich richten op de kracht van evolutie en kunstmatige selectie om supergeleiders te ontwikkelen die elektrische stroom zo efficiënt mogelijk kunnen overbrengen.
Misschien contra-intuïtief, de meeste toegepaste supergeleiders kunnen werken bij hoge magnetische velden omdat ze defecten bevatten. Het nummer, maat, vorm en positie van de defecten in een supergeleider werken samen om de elektrische stroomcapaciteit in aanwezigheid van een magnetisch veld te vergroten. Te veel gebreken, echter, kan leiden tot blokkering van het elektrische stroompad of een storing van het supergeleidende materiaal, dus wetenschappers moeten selectief zijn in de manier waarop ze defecten in een materiaal opnemen.
In een nieuwe studie van het Argonne National Laboratory van het Amerikaanse Department of Energy (DOE), onderzoekers gebruikten de kracht van kunstmatige intelligentie en krachtige supercomputers om de impact van verschillende configuraties van defecten op de prestaties van een supergeleider te introduceren en te beoordelen.
De onderzoekers ontwikkelden een computeralgoritme dat elk defect als een biologisch gen behandelde. Verschillende combinaties van defecten leverden supergeleiders op die verschillende hoeveelheden stroom konden dragen. Zodra het algoritme een bijzonder voordelige reeks defecten identificeerde, het opnieuw geïnitialiseerd met die reeks defecten als een "zaad, " waaruit nieuwe combinaties van gebreken zouden ontstaan.
"Elke run van de simulatie is gelijk aan de vorming van een nieuwe generatie defecten die het algoritme probeert te optimaliseren, " zei Argonne voorname collega en senior materiaalwetenschapper Wai-Kwong Kwok, een auteur van de studie. "Overuren, de defectstructuren worden geleidelijk verfijnd, omdat we opzettelijk selecteren op defecte structuren die materialen met de hoogste kritische stroom mogelijk maken."
De reden waarom defecten zo'n essentieel onderdeel van een supergeleider vormen, ligt in hun vermogen om magnetische wervels te vangen en te verankeren die zich vormen in de aanwezigheid van een magnetisch veld. Deze wervels kunnen vrij bewegen in een zuiver supergeleidend materiaal wanneer er stroom wordt aangelegd. Wanneer ze dat doen, ze beginnen weerstand te genereren, waardoor het supergeleidende effect teniet wordt gedaan. Draaikolken vastgehouden, terwijl er nog steeds stroom door het materiaal kan gaan, vertegenwoordigt een heilige graal voor wetenschappers die manieren zoeken om elektriciteit zonder verlies in toegepaste supergeleiders te transporteren.
Om de juiste combinatie van defecten te vinden om de beweging van de wervels te stoppen, de onderzoekers initialiseerden hun algoritme met defecten van willekeurige vorm en grootte. Hoewel de onderzoekers wisten dat dit verre van de optimale opstelling zou zijn, het gaf het model een set van neutrale beginvoorwaarden om vanuit te werken. Terwijl de onderzoekers opeenvolgende generaties van het model doorliepen, ze zagen de initiële defecten transformeren in een kolomvorm en uiteindelijk een periodieke opstelling van vlakke defecten.
"Als mensen denken aan gerichte evolutie, ze kunnen denken aan mensen die honden of paarden fokken, " zei Argonne materiaalwetenschapper Andreas Glatz, de corresponderende auteur van de studie. "De onze is een voorbeeld van materialen door ontwerp, waar de computer leert van eerdere generaties de best mogelijke rangschikking van defecten."
Een mogelijk nadeel van het proces van kunstmatige defectselectie ligt in het feit dat bepaalde defectpatronen in het model kunnen worden verankerd, wat leidt tot een soort verkalking van de genetische gegevens. "In zekere zin je kunt het zien als inteelt, "Zei Kwok. "Het bewaren van de meeste informatie in onze defecte 'genenpool' tussen generaties heeft zowel voordelen als beperkingen, aangezien het geen drastische systeembrede transformaties mogelijk maakt. Echter, onze digitale 'evolutie' kan worden herhaald met verschillende initiële zaden om deze problemen te voorkomen."
Om hun model uit te voeren, de onderzoekers hadden high-performance computerfaciliteiten nodig bij Argonne en Oak Ridge National Laboratory. De Argonne Leadership Computing Facility en Oak Ridge Leadership Computing Facility zijn beide DOE Office of Science gebruikersfaciliteiten.
Een artikel gebaseerd op het onderzoek, "Gerichte evolutie van pinning-landschappen voor grote supergeleidende kritische stromingen, " verscheen in de editie van 21 mei van de Proceedings van de National Academy of Sciences . Naast Kwok en Glatz, Ivan Sadovskyy van Argonne, Alexei Koshelev en Ulrich Welp werkten ook samen.
Wetenschap © https://nl.scienceaq.com