g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Bilim adamları, nötron verilerinde atom altı seviyedeki sırları bulmak için ilk kez yapay zekayı kullanıyor!

Bilim adamları, elektronik cihazlarda, kuantum bilgisayarlarda ve süper iletkenlerde kullanılmak üzere kuantum malzemeleri, yani atom altı seviyede ilgili sıraya sahip malzemeleri kullanmaya çalışıyorlar. Kuantum malzemelerinin birçok özelliği, en küçük ölçekte meydana gelen fiziğe, yani tamamen kuantum mekaniğinin fiziğine atfedilir. Karmaşık manyetik malzemeler gibi bazı malzemelerin kuantum malzemeleriyle ortak bir yanı vardır.Bilim adamları kuantum malzemelerini daha iyi anlamak ve birçok farklı elektronik konfigürasyonda var olma yeteneklerini anlamak için bu malzemeleri inceleyebilirler.

Bununla birlikte, kuantum ve karmaşık manyetik malzemelerde meydana gelen etkileşimleri anlamak, titiz araştırma yöntemleri gerektirir. Böyle bir yöntem, nötron adı verilen nötr parçacıkların malzemeden saçılarak mikroskobik özelliklerini ortaya çıkaran nötron saçılmasıdır. Bununla birlikte, malzemelerin yapısını ve performansını yeniden inşa etmenin deneyimli uzmanlar için bile zor olabileceği ortaya çıktı. ABD Enerji Bakanlığı'nın Oak Ridge Ulusal Laboratuvarı'ndaki (ORNL) bilim adamları, kuantum veya karmaşık manyetik malzemelerin iç fiziğinin anlaşılmasına yol açabilecek nötron saçılma verilerinde kalıplar bulmak için ilk kez yapay zekayı (AI) kullandılar.

Oak Ridge Ulusal Laboratuvarı Kuantum Malzemeleri Girişimi Direktörü Alan Tennant'ın liderliğinde araştırma ekibi, Spallation Neutron Source (SNS) tarafından gerçekleştirilen nötron saçılım deney verilerini başarılı bir şekilde yorumlamak için yapay bir sinir ağı (YSA) eğitti. Ağa, merkezden hizmet dışı bırakılan Cray XK7 Titan da dahil olmak üzere ağı eğitmek için Oak Ridge Liderlik Hesaplama Tesisi (OLCF) sisteminde nötron saçılım simülasyon verilerini sağlayın. Titan, o zamanlar en güçlü makinelerden biriydi ve geçen sonbaharda emekli olduktan sonra bile bilim camiasına yeni keşifler sağlamaya devam etti.

Geçmişte deneyler yapılırken doğru sonuçların elde edildiği tam olarak kesin değildi.Bu sinir ağı ile cevaba güvenebilirsiniz çünkü bu ağın kapsamlı bir şekilde eğitilmesi gerekiyordu. Karşılaştığı tüm olası durumlarda en iyi çözümü bulabilir. Sinir ağı, mevcut nötron saçılma deneyleri hakkında yeni bilgiler ortaya çıkarabilir ve hatta gelecekte hangi deneylerin çalıştırılmasının en faydalı olacağı konusunda fikir sahibi olabilir. Araştırma sonuçları Nature Communications dergisinde yayınlandı ve araştırma ekibi, dünyanın en güçlü süper bilgisayarlarından biri olan OLCF'nin 200petaflop IBM AC922 zirvesi üzerinde çalışmaya devam ediyor.

İnsanın ötesinde

Bilim adamları SNS'de nötron saçılım deneyleri yaptıklarında, saçılma modelleri oluşturabilecek birçok olası durumu göz önünde bulundurmalıdırlar. Malzemelerden saçılan nötronların deşifre edilmesi bir muamma haline geldi.İnsanlar, gördükleri saçılma modellerine dayalı olarak malzemenin yapısı hakkında uygulanabilir varsayımlar belirlemek için geleneksel olarak nötron saçılım verileri konusunda geniş deneyime sahip insanlara güvendiler. Bu deneyleri yürüten araştırmacılar, genellikle bir malzeme için Hamiltonian için birçok farklı senaryo (özelliklerini tam olarak tanımlayan bir malzemenin enerji ifadesi) bulabilirler. Ancak özellikle spin buz gibi materyallerde her sebebi açıklayamazlar.

Dönen buz, buzun manyetik bir analogudur ve garip bir manyetik duruma sahip olduğu düşünülür.Bu durumda, kuzey ve güney manyetik kutuplar ayrılabilir ve bağımsız olarak çalışabilir, bu diğer mıknatıslarla mümkün değildir. Bununla birlikte, bu malzemelerdeki potansiyel etkileşimlerin belirlenmesinin çok zor olduğu kanıtlanmıştır. Yapay sinir ağını (YSA) eğitmek olası bir çözümdür.Verideki kalıpları analiz edebilen ve insan beynindeki sinir ağlarına benzer şekilde çalışabilen bir tür makine öğrenmesidir. İnsanlar hiçbir zaman tüm durumlardan geçemez, çünkü her zaman hiç düşünmediğiniz durumlar vardır. Ancak bir bilgisayarda yüz binlerce durum olabilir ve bilim adamları için bilgileri özetleyebilir.

Bu nedenle, bilgisayar bir dereceye kadar güvenilir hale gelir. Ekip bir otomatik kodlayıcı (genellikle görüntüleri sıkıştırmak ve yeniden oluşturmak için kullanılan yapay bir sinir ağı) eğitti ve Amerika Birleşik Devletleri Enerji Bakanlığı'nda (DOE) bulunan OLCF'nin süper hesaplama kaynaklarını eğitmek için 50 milyardan fazla hesaplama kullandı. ORNL'nin Bilimsel Kullanıcı Tesisleri Ofisinin bir organizasyonu. İnsanların inceleyebileceğinden daha fazla sahneyi simüle edebilir Yapay sinir ağının deneysel gürültüyü filtrelediği ve materyalin yapısını yeniden inşa etmek için yalnızca orijinal saçılma verilerinden en önemli bilgileri çıkardığı bulundu. Bir bilgisayar, bir insan için 100 kadar basit bir model yerine 10.000 model yapabilir.

Cam benzeri kuantum malzemeler

Araştırmacılar onu eğittikten sonra, ANN, simüle edilmiş verileri, cam gibi malzemelerdeki bozuklukları tespit etmek için tasarlanmış SNS Corelli cihazı tarafından kaydedilen deneysel saçılma verileriyle karşılaştırabilir. YSA, Dy2Ti2O7 malzemesindeki 1024 konumun verilerini doğru bir şekilde yakaladı. Dy2Ti2O7, düşük sıcaklıklarda cam benzeri özelliklere sahip bir döner buzdur. Bu materyal araştırma için uygundur çünkü şaşırtıcı matematikle anlaşılabilir .. Oak Ridge Ulusal Laboratuvarı, bu karmaşık materyalleri gerçekten çalışabileceğiniz bir yerdir.

Araştırma, daha ileri simülasyon analizi için ORNL'nin Hesaplama ve Veri Bilimi Ortamı (CADES) ve OLCF sistemini kullanıyor. Ağı simülasyonlarla eğittikten sonra, sonunda cama benzer bir şeye dönüştüğü nokta da dahil olmak üzere malzemenin manyetik özelliklerini tanımlamak için bir model Hamiltoncu belirlendi. Ekip, cam benzeri kuantum materyallerini daha iyi anlamak için Zirve'de daha derin bir sinir ağını eğitiyor. OLCF eğitim örneği için gerekli tüm simülasyonları Summit ile tamamlamak için, sinir ağlarını daha etkileşimli bir şekilde çalıştırabilir ve daha fazla bilinmeyenleri keşfedebilirsiniz.