Хорошо, это не броское вообще, но здесь является пунктом: границы зерна – грандиозное предприятие. Они – микроскопические, беспорядочные регионы, где стандартные блоки размера атома связывают кристаллы (т.е. зерно) вместе в материалах.
Что еще более важно, границы зерна помогают определить свойства металлов, важных для людей. Например, они могут влиять на прочность металла (здания!), устойчивость к коррозии (мосты!) и проводимость (электричество!).Но в то время как исследователи изучили границы зерна в течение многих десятилетий и извлекли пользу, некоторое понимание типов имущественных границ зерна производят, никто не был в состоянии прибить универсальную систему, чтобы предсказать, сделает ли определенная конфигурация атомов на границах зерна материал более сильным или более гибким.Войдите в междисциплинарную исследовательскую группу BYU Розенброка, Гомера и Харта.
Аспирант (Конрад Розенброк) и два преподавателя – один инженер (Эрик Гомер) и один физик (Гас Харт) – возможно, взломал кодекс juicing компьютер с алгоритмом, который позволяет ему изучать неуловимое «почему» позади качеств границ.Их метод, изданный в новом выпуске журнала Nature Вычислительные Материалы, обеспечивает технику, чтобы написать «словарь» атомных стандартных блоков, найденных в металлах, сплавах, полупроводниках и других материалах. Их подход машинного обучения анализирует Большие данные (думайте: крупные наборы данных границ зерна), чтобы обеспечить понимание физических структур, которые, вероятно, связаны с определенными механизмами, процессами и свойствами, которые иначе было бы трудно определить.«Мы используем машинное обучение, что означает, что алгоритмы видят тенденции в партиях и большом количестве данных, которые не видит человек», сказал Гомер. «Модели With Big Data, Вы теряете некоторую точность, но мы нашли его все еще, предоставляют достаточно сильную информацию, чтобы соединить точки между границей и собственностью».
Когда дело доходит до металлов процесс может оценить свойства как сила, вес и продолжительность жизни материалов, приведя к возможной оптимизации лучших материалов. Хотя группа еще на самом деле не создает материалы, они могут теперь расшифровать «почему» и «как» из косметики.Исследователи сказали, что их статья первая, чтобы попытаться взломать кодекс строений атома, которые в большой степени влияют на граничные свойства зерна с компьютерными алгоритмами машинного обучения.«Это отчасти похоже на Siri; Siri работает, беря звуки и превращая их в гласные и согласные и в конечном счете слова, получая доступ к крупной базе данных Apple», сказал Харт. «Мы используем то же самое понятие.
У нас есть большая база данных, и наш алгоритм берет границы зерна и сравнивает ее с той базой данных, чтобы соединить их с определенными свойствами».Конечная цель должна облегчить и более эффективный, чтобы развивать материалы, которые могут быть объединены, чтобы сделать прочные, легкие и металлы без коррозий.
Исследователи полагают, что они во фронтенде того, что могло быть 10 или даже 20-летним процессом, чтобы создать инновационные структуры сплава, которые предоставляют практические решения главных структур.«Наша страна тратит $500 миллиардов в год на коррозию», сказал Гомер. «Если Вы можете уменьшить стоимость рассмотрения коррозии даже несколько процентов, развивая более стойкие металлы, Вы можете экономить миллиарды каждый год. Это не небольшая сумма денег».
Габор Ксэний, преподаватель молекулярного моделирования в Отделе Разработки в Кембриджском университете, способствовал этому исследованию.