机器学习在极端条件下确定物质何时发生变化

材料在极端条件下经历的相变为科学家提供了前所未有的机会来发现创造新材料的方法。这些变化还可以揭示系外行星和其他天体的形成和组成，包括我们地球的内核。

材料在极端条件下的实验过程中所经历的相变可以揭示系外行星和其他天体(包括地球内核)的形成和组成。罗切斯特大学的研究人员正在帮助开发自动化的深度学习计算机视觉技术，以加快对这些实验产生的数万亿字节数据的分析。GregStewart/SLAC国家加速器实验室的插图。

然而，这些相位变化仅在皮秒内发生。它们还涉及对尺寸仅为十分之一纳米的晶体原子特征的修改。

实验科学家的悖论是：他们越善于记录这些变化或所谓的“罕见事件”，他们就越会被大量难以分析的数据淹没，NiazAbdolrahim说，罗切斯特大学机械工程助理教授。

例如，只需10秒的实验就可以产生数百万张图像。“我每天都在谈论TB(万亿字节)的数据，”她说。此外，Abdolrahim补充说，这些图像中只有少数能捕捉到发生相变的皮秒。“让人类分析这些数据将非常耗时且不太实用。”

Abdolrahim是一位在纳米材料多尺度建模方面具有专业知识的理论科学家，是两项资助的首席研究员——美国能源部国家核安全管理局(NNSA)提供的574,000美元奖励和美国国家科学基金会(NSF)提供的375,000美元奖励——旨在解决这个问题。

目标是开发自动化的深度学习计算机视觉技术，以加快对这些数据的分析，同时为实验科学家快速识别最重要的图像。

她的合作者包括罗彻斯特大学计算机科学助理教授徐晨亮和原子压物质中心主任RipCollins，以及SLAC国家加速器实验室直线加速器相干光源(LCLS)的AriannaGleason在加利福尼亚州门洛帕克。

LCLS和其他国家实验室使用超快X射线衍射光谱来照亮在极端压力和高温下发生变化的材料。光谱学在极端条件下将X射线束对准晶体结构或晶格。这会导致以皮秒间隔反射散射的X射线束，显示结构的对称性、大小和其他相关的原子特征。这些特征显示为峰值和光晕，表明是否正在发生相变。

这些反射被捕获在数百万张图像中，供科学家分析。

在SLAC国家加速器实验室，硅靶在受到激光冲击后会发生相变。以15纳秒间隔拍摄的X射线数据揭示了晶格动力学。图片来源：Brennan-Brown等人的SLAC新闻稿。2019年科学。进阶。

为了创建能够自动找到这些图像中最相关的深度学习技术，研究人员首先需要用原始数据“训练”深度学习模型。Abdolrahim解释说，理想情况下，研究人员会为此目的在高级实验室生成实验数据，但这会很昂贵并且涉及太多不确定性，例如实验出错。

因此，在NNSA项目的初始阶段，她的实验室将生成“合成数据”——由计算机模拟生成的数据，尽可能接近实际实验中可能发生的情况。“在这里，我们将与徐和他的实验室合作开发一个模型，来回修改它，直到它与我们的数据一起工作，”Abdolrahim说。

在项目的后期，研究人员将与LCLS合作，根据实际实验数据进一步调整模型。

“这将告诉我们，当我们查看X射线衍射数据时，材料的晶体结构是什么，在此过程中发生的任何相变，以及如果它们发生，在什么时候发生，”Abdolrahim说。“我们的工作将极大地促进实验人员的工作，否则他们可能会花费一个月或更长时间尝试自己分析数据。”

凭借NSF奖，Abdolrahim和她的合作者将使用更复杂的视频分割算法调整他们的学习模型，以便可以在更大的实验数据集上训练模型。

“在这里，我们将使用1D(一维)和模拟的2D(二维)X射线衍射数据来识别塑性变形、相变和缺陷产生的动力学，”Abdolrahim说。

该项目将包括执行分子动力学模拟以生成动态一维和二维数据，并使模型适应具有不同特征的各种不同的实验数据。

这两个项目的首要目标是“更好地了解材料在极端压力下如何反应，以及为什么会出现新的奇异特性或相。这将帮助我们确定设计新材料的新途径，”她说。

这两个项目都是在Abdolrahim和Xu获得的大学研究奖(URA)种子基金的支持下启动的。“如果不是URA，我们可能永远不会开始讨论，”Abdolrahim说。“这有利于促进合作和产生这些想法。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！