機械学習は、人間の2倍の結晶成長を予測しました

ビデオ: 機械学習は、人間の2倍の結晶成長を予測しました

ビデオ: 機械学習、アナリティクス・クラウド、「予測的」アプリケーションの実現 2022, 12月
機械学習は、人間の2倍の結晶成長を予測しました
機械学習は、人間の2倍の結晶成長を予測しました
Anonim
Image
Image

中国の物理学者は、機械学習技術を適用して、選択した条件に基づいて単結晶成長実験の成功を予測しています。アルゴリズムの精度は81%に達しましたが、システムがトレーニングされたデータを使用した科学者自身は、36%のケースでのみ条件を正しく選択しました。そのようなシステムの使用は研究者の資源と時間を節約するでしょう、と著者はジャーナルChinesePhysicsLettersに書いています。

単結晶は巨視的な結晶体であり、その構造は単一の連続格子です。このような物質は、特定の化合物と結晶格子のタイプに強く依存する特別な特性を持っています。技術への応用が長い間見出されているものもあれば(特に、現代の電子機器はシリコン単結晶に大きく依存している)、非線形光学や物性物理学など、多くの分野で現代の科学研究に必要なものもあります。たとえば、量子ホール効果やワイル半金属を研究するには、高品質の結晶が必要です。

しかし、特に複雑な化合物の場合、大きな単結晶を得るのは非常に困難です。なぜなら、それらの成長プロセスは、温度、元素の比率、物質の流れなどの多くの要因に依存するからです。三元化合物の単結晶、つまり3つの異なる化学元素からなる単結晶を得るプロセスは非常に困難です。これは、このような場合の状態図が頻繁にないためです。つまり、結果として得られる化合物の相と組成がパラメータに依存しているためです。

中国科学院のHongDingが率いる物理学者は、実験者の作業を容易にすることを決定し、目的の結晶が特定の条件下で成長するかどうかを事前に判断できる自動メソッドを作成しました。これを行うために、彼らは、広く普及している溶液溶融結晶化法を使用して三元化合物結晶の成長を調べ、実際の実験からのデータに基づいて機械学習システムをトレーニングしました。

著者らは、2セットの実験データ(649および115の実験)を使用し、65の異なる化学元素を特徴としていました。データには、温度成長曲線、出発試薬の元素組成と比率、および実験条件が含まれていました。成功した実験は単結晶の生成で終了しました;失敗した場合、所望の化合物の形成は起こらなかった。トレーニングでは、データの75%が使用され、残りのアルゴリズムの動作がテストされました。

研究者は、サポートベクターマシン(SVM)、デシジョンツリー、ランダムフォレスト、勾配ブースティングデシジョンツリーの4つの機械学習手法を適用しました。各アルゴリズムは個別にテストされ、その結果、特定の結晶を成長させるときに最も重要なパラメーターを決定するために決定木が使用され、予測子としてSVMが使用されました-テストサンプルで81%の結果を達成することができました、一方、科学者はわずか36パーセントの実験で適切な条件を選択しました。著者らは、このような手法を使用すると、費用、人的資源、および時間の大幅な節約につながる可能性があると述べています。

「私たちは、決定木をトレーニングセットに適用して得られたモデルを使用して、単結晶成長の重要な要因を分析しました。この情報に基づいて、SVMを使用して、これらの実験室条件下での結晶成長の成功を予測しました」と共著者のYu-JieSun氏は述べています。「トレーニングサンプルの実験データを蓄積するにつれて、アプローチの精度が向上します。」

以前は、機械学習により、声から人々の顔を描き、給与を予測し、原始惑星系円盤を見つけ、太陽の向こう側の磁場を決定することが可能でした。一般的に、AIのマテリアルABC:Machine Learningで、人工知能へのこのアプローチについて話しました。

トピックによって人気があります

人気の投稿