Исследователи используют искусственный интеллект для выявления атомных дефектов в материалах
Ученые из MIT создали ИИ-модель, способную обнаруживать и классифицировать до шести различных точечных дефектов в материалах одновременно, что невозможно с помощью традиционных методов
Short Summary
Исследователи из Массачусетского технологического института разработали модель искусственного интеллекта, которая может классифицировать и количественно оценивать атомные дефекты в материалах, используя данные неинвазивной нейтронной дифракции. Модель, обученная на 2000 различных полупроводниковых материалах, способна одновременно обнаруживать до шести типов точечных дефектов, что является прорывом по сравнению с традиционными технологиями.
Модель была создана на основе вычислительной базы данных, где для каждого материала были подготовлены пары образцов — с дефектами и без. Используя данные о колебаниях атомов, полученные методом нейтронного рассеяния, исследователи обучили модель на основе механизма многоголового внимания, аналогичного тому, что используется в ChatGPT. Модель анализирует различия между дефектными и бездефектными материалами и предсказывает тип и концентрацию легирующих примесей.
Разработка открывает новые возможности для более точного контроля и использования дефектов в полупроводниках, микроэлектронике, солнечных элементах и аккумуляторных материалах. Модель уже успешно протестирована на экспериментальных данных, включая сплавы для электроники и сверхпроводящие материалы, демонстрируя способность обнаруживать дефекты с концентрацией всего 0.2%. Исследователи считают, что их работа подтверждает фундаментальные преимущества ИИ в анализе дефектов материалов.
Многоцелевое обнаружение дефектов
ИИ-модель способна одновременно идентифицировать до шести различных типов точечных дефектов в материале, что невозможно с помощью традиционных неразрушающих методов
Высокая чувствительность
Модель может обнаруживать дефекты с чрезвычайно низкой концентрацией — всего 0.2%, что позволяет анализировать материалы с высокой точностью
Широкая применимость
Базовая модель охватывает 56 элементов из периодической таблицы и была успешно протестирована на полупроводниках, электронных сплавах и сверхпроводящих материалах
Использование передовых архитектур ИИ
В модели применён механизм многоголового внимания (multi-head attention), аналогичный используемому в крупных языковых моделях, таких как ChatGPT, для эффективного извлечения и анализа данных
Text generated using AI
