Исследователи из Токийского университета науки разработали модель глубокого обучения, способную обнаруживать ранее неизвестную квазикристаллическую фазу в науке о материалах.

Изобретение японских ученых модель глубокого обучения, способная обнаруживать редкую квазикристаллическую фазу в науке о материалах

В поисках новых кристаллических структур в материалах давно составляла основу научного исследования, имеющего важные последствия в различных отраслях промышленности, начиная от электроники и заканчивая фармацевтикой. Кристаллические материалы, определяемые упорядоченными атомными структурами, играют важную роль в технологическом прогрессе. Точная идентификация и характеристика этих структур традиционно основывались на методах, таких как рентгеноструктурный анализ порошковых образцов. Однако появление многофазных образцов со сложными смесями различных кристаллических структур представляет вызовы для точной идентификации.

Для решения этой проблемы исследователи из Токийского университета науки (TUS), Япония, сотрудничая с престижными учебными заведениями, представили новую модель глубокого обучения. Исследование описывает разработку модели машинного обучения на основе сверточных нейронных сетей, способной обнаруживать икосаэдрическую квази-кристаллическую (i-QC) фазу по рентгеноструктурным образцам многофазовых порошковых материалов.

Исследователи построили модель бинарного классификатора, используя 80 сверточных нейронных сетей. Они обучили эту модель, используя синтетические многофазные рентгеноструктурные образцы, разработанные для моделирования ожидаемых i-QC фазовых узоров. После тщательного обучения модель проявила замечательную производительность, обладая точностью более 92%. Она успешно обнаружила неизвестную i-QC фазу в многофазных сплавах Al-Si-Ru, подтверждая свои возможности в анализе 440 измеренных рентгеноструктурных узоров различных неизвестных материалов в шести сплавных системах.

Замечательно, что возможности модели расширяются за пределы обнаружения преобладающих компонентов, успешно идентифицируя скрытую i-QC фазу, даже если она не является основным компонентом смеси. Кроме того, ее потенциал распространяется на поиск новых децигональных и двенадцатигональных квазикристаллов и различных кристаллических материалов.

Модель демонстрирует точность, которая обещает ускорить процесс идентификации многофазных образцов. Этот прорыв, подкрепленный успехом модели, готов изменить сферу материаловедения, ускоряя процесс идентификации фаз, который критически важен в мезопористых кремнийсодержащих материалах, минералах, сплавах и жидких кристаллах.

Воздействие этого исследования выходит за рамки простой идентификации квазикристаллических фаз; оно вводит новую парадигму в анализ материалов. Его потенциальные применения в различных промышленных секторах, от оптимизации хранения энергии до развития электроники, обещают трансформационные технологические прорывы.

Это исследование является замечательным шагом к рассекречиванию новых фаз в квазикристаллах, дающим ученым возможность исследовать неизведанные области в материаловедении. Работа команды вносит важный вклад в наше понимание кристаллических структур и возвещает новую эру ускоренных открытий и инноваций в материаловедении.