.Machine learning used to predict synthesis of complex novel materials
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Machine learning used to predict synthesis of complex novel materials
복잡하고 새로운 재료의 합성을 예측하는 데 사용되는 기계 학습
에 의해 노스 웨스턴 대학 기계 학습은 재료 검색을 가능하게 합니다. 크레딧: 노스웨스턴 대학교 DECEMBER 22, 2021
과학자들과 기관들은 세계에 활력을 불어넣을 새로운 물질의 발견에 매년 더 많은 자원을 할애하고 있습니다. 천연 자원이 감소하고 더 높은 가치와 고급 성능 제품에 대한 수요가 증가함에 따라 연구자들은 점점 더 나노 물질에 관심을 갖게 되었습니다. 나노 입자는 이미 에너지 저장 및 변환에서 양자 컴퓨팅 및 치료에 이르기까지 다양한 응용 분야에 적용되고 있습니다. 그러나 나노화학이 가능하게 하는 광대한 구성 및 구조 조정 가능성을 감안할 때, 새로운 물질 을 식별하기 위한 일련의 실험적 접근 은 발견에 극복할 수 없는 한계를 부과합니다. 이제 Northwestern University와 Toyota Research Institute(TRI)의 연구원들은 기계 학습 을 성공적으로 적용 하여 새로운 나노 물질의 합성을 안내하여 물질 발견과 관련된 장벽을 제거했습니다. 고도로 훈련된 알고리즘은 정의된 데이터 세트를 결합하여 청정 에너지, 화학 및 자동차 산업의 프로세스를 촉진할 수 있는 새로운 구조를 정확하게 예측합니다. 노스웨스턴 나노기술 전문가이자 이 논문의 교신저자인 Chad Mirkin은 "우리는 모델에 최대 7가지 요소의 혼합물이 이전에 만들어지지 않은 것을 만들 수 있는지 알려달라고 요청했습니다."라고 말했습니다. "이 기계는 19개의 가능성을 예측했고 각각을 실험적으로 테스트한 후 예측 중 18개가 맞았음을 발견했습니다." "기계 학습 가속 설계 및 다원소 이종 구조의 합성"이라는 연구는 Science Advances 저널에 12월 22일 게재될 예정 입니다. Mirkin은 Weinberg College of Arts and Sciences의 George B. Rathmann 화학 교수입니다.
McCormick School of Engineering 의 화학 및 생물 공학, 생물 의학 공학, 재료 과학 및 공학 교수 ; 그리고 Feinberg 의과대학 의과대학 교수. 그는 또한 국제 나노기술 연구소(International Institute for Nanotechnology)의 창립 이사이기도 합니다. 재료 게놈 매핑 Mirkin에 따르면 머신 러닝 모델과 AI 알고리즘은 훈련에 사용된 데이터만큼만 우수할 수 있기 때문에 이것이 전례 없이 큰 고품질 데이터 세트에 대한 액세스를 중요하게 만드는 이유입니다.
"Megalibrary"라고 하는 데이터 생성 도구는 Mirkin이 발명했으며 연구원의 시야를 극적으로 확장합니다. 각 Megalibrary에는 각각 약간 다른 모양, 구조 및 구성을 가진 수백만 또는 수십억 개의 나노구조가 포함되어 있으며 모두 2x2평방센티미터 칩에 위치적으로 인코딩되어 있습니다.
현재까지 각 칩에는 과학자들이 수집하고 분류한 것보다 더 많은 새로운 무기 물질이 포함되어 있습니다. Mirkin의 팀은 초당 수십만 개의 피처를 특정 위치에 증착할 수 있는 대규모 병렬 나노리소그래피 도구인 폴리머 펜 리소그래피(Mirkin이 발명하기도 함)라는 기술을 사용하여 메가 라이브러리를 개발했습니다. 인간 게놈을 매핑할 때 과학자들은 4가지 염기의 조합을 식별하는 임무를 받았습니다. 그러나 느슨하게 동의어인 "물질 게놈"에는 주기율표에서 사용 가능한 118개 원소의 나노입자 조합과 모양, 크기, 상 형태, 결정 구조 등의 매개변수가 포함됩니다.
Megalibraries 형태로 나노입자의 더 작은 하위 집합을 구축하면 연구자들이 재료 게놈의 전체 지도를 완성하는 데 더 가까워질 것입니다. Mirkin은 물질의 "게놈"과 유사한 것을 사용하거나 레이블을 지정하는 방법을 식별하는 데 다른 도구가 필요하다고 말했습니다. "우리가 지구상의 누구보다 빠르게 물질을 만들 수 있다 하더라도, 그것은 여전히 가능성의 바다에 있는 한 방울의 물"이라고 Mirkin이 말했습니다. "우리는 물질 게놈을 정의하고 마이닝하기를 원하며 우리가 하는 방법은 인공 지능을 사용하는 것입니다."
기계 학습 응용 프로그램은 물질 게놈을 정의하고 마이닝하는 복잡성을 해결하는 데 이상적으로 적합하지만 공간에서 알고리즘을 훈련하기 위한 데이터 세트를 생성할 수 있는 기능이 있습니다. Mirkin은 Megalibraries와 기계 학습의 조합이 마침내 그 문제를 근절하여 어떤 매개변수가 특정 재료 속성을 구동하는지 이해하게 될 것이라고 말했습니다. '화학자가 예측할 수 없는 물질' Megalibraries가 지도를 제공하면 기계 학습이 범례를 제공합니다. Mirkin에 따르면 Megalibraries를 인공 지능 (AI) 알고리즘 교육을 위한 고품질 및 대규모 재료 데이터 소스로 사용 하면 연구자가 일반적으로 재료 발견 프로세스에 수반되는 "예리한 화학적 직관" 및 연속 실험에서 벗어날 수 있습니다.
"Northwestern은 합성 능력과 우리가 생성하는 재료의 구조를 결정하는 최첨단 특성화 능력을 가지고 있습니다."라고 Mirkin이 말했습니다. "우리는 TRI의 AI 팀과 협력하여 화학자가 예측할 수 없는 물질에 대해 궁극적으로 이러한 예측을 수행한 AI 알고리즘에 대한 데이터 입력을 생성했습니다." 이 연구에서 팀은 복잡한 조성, 구조, 크기 및 형태를 가진 나노 입자로 구성된 이전에 생성된 메가 라이브러리 구조 데이터를 수집했습니다. 그들은 이 데이터를 사용하여 모델을 훈련하고 특정 구조적 특징을 초래할 4개, 5개 및 6개 요소의 구성을 예측하도록 요청했습니다. 19개의 예측에서 기계 학습 모델은 약 95%의 정확도로 신소재를 18번 정확하게 예측했습니다.
화학이나 물리학에 대한 지식이 거의 없는 상태에서 훈련 데이터만 사용하여 모델은 지구상에 존재한 적이 없는 복잡한 구조를 정확하게 예측할 수 있었습니다. TRI의 수석 연구원인 Joseph Montoya는 "이 데이터에서 알 수 있듯이 기계 학습과 Megalibrary 기술을 결합하면 물질 게놈을 최종적으로 정의하는 길이 될 수 있습니다."라고 말했습니다. 금속 나노입자는 수소 발생, 이산화탄소(CO 2 ) 환원, 산소 환원 및 발생과 같은 산업적으로 중요한 반응을 촉매할 수 있는 가능성을 보여줍니다 .
이 모델은 나노입자의 특성과 기능을 변경하는 위상, 크기, 치수 및 기타 구조적 특징에 대한 매개변수가 설정된 다중 금속 나노입자를 찾기 위해 노스웨스턴에서 구축한 대규모 데이터 세트에서 훈련되었습니다. Megalibrary 기술은 또한 플라스틱 업사이클링, 태양 전지, 초전도체 및 큐비트를 포함하여 미래에 중요한 많은 영역에서 발견을 주도할 수 있습니다. 시간이 지남에 따라 더 잘 작동하는 도구 메가 라이브러리가 출현하기 전에 기계 학습 도구는 서로 다른 시간에 다른 사람들이 수집한 불완전한 데이터 세트에 대해 교육을 받았기 때문에 예측 능력과 일반화 가능성이 제한되었습니다.
메가 라이브러리를 사용하면 머신 러닝 도구가 시간이 지남에 따라 학습하고 더 똑똑해지는 최고의 작업을 수행할 수 있습니다. Mirkin은 그들의 모델이 통제된 조건에서 수집된 더 많은 고품질 데이터가 제공되기 때문에 정확한 재료를 예측하는 데 더 능숙해질 것이라고 말했습니다. 몬토야는 "이 AI 기능을 만드는 것은 모든 애플리케이션에 필요한 재료를 예측할 수 있다는 것"이라고 말했다. "데이터가 많을수록 예측 기능이 향상됩니다. AI를 훈련시키기 시작하면 하나의 데이터 세트에 현지화하는 것으로 시작하고 학습하면서 계속 더 많은 데이터를 추가합니다. 마치 아이를 데리고 유치원에서 박사 학위까지. 경험과 지식의 결합이 궁극적으로 얼마나 멀리 갈 수 있는지를 결정합니다." 팀은 현재 청정 에너지, 자동차 및 화학 산업의 연료 공급 공정에 중요한 촉매를 찾기 위해 접근 방식을 사용하고 있습니다.
새로운 녹색 촉매를 식별하면 폐기물과 풍부한 공급원료를 유용한 물질로 전환하고 수소 생성, 이산화탄소 이용 및 연료 전지 개발을 할 수 있습니다. 생산 촉매는 또한 녹색 수소 및 CO 2 환원 생성물 을 생성하는 데 사용되는 금속인 이리듐과 같은 비싸고 희귀한 물질을 대체하는 데 사용될 수 있습니다 .
추가 탐색 단백질의 계층적 조립 경로 인코딩 추가 정보: Carolin B. Wahl et al, Machine learning-accelerated design and synthesis of polyelemental heterostructures, Science Advances (2021). DOI: 10.1126/sciadv.abj5505 . www.science.org/doi/10.1126/sciadv.abj5505 저널 정보: 과학 발전 노스웨스턴대학교 제공
https://phys.org/news/2021-12-machine-synthesis-complex-materials.html
.Templating Approach Stabilizes “Ideal” Perovskite Material for Cheap, Efficient Solar Cells
템플릿 접근 방식은 저렴하고 효율적인 태양 전지를 위한 "이상적인" 페로브스카이트 재료를 안정화합니다
주제:에너지재료과학페로브스카이트 태양전지태양광태양 전지태양 에너지케임브리지 대학교 으로 캠브리지 대학 2021년 12월 23일 페로브스카이트 결정의 그림 연구원들은 거의 완벽한 성능을 손상시키지 않으면서 저렴한 태양 전지용 페로브스카이트로 알려진 유망한 물질을 안정화하는 방법을 개발했습니다. 크레딧: 케임브리지 대학교 TECHNOLOGY DECEMBER 23, 2021
연구원들은 거의 완벽한 성능을 손상시키지 않으면서 저렴한 태양 전지용 페로브스카이트로 알려진 유망한 물질을 안정화하는 방법을 개발했습니다. 케임브리지 대학의 연구원들은 유기 분자를 '템플릿'으로 사용하여 페로브스카이트 필름을 형성할 때 원하는 상으로 안내했습니다. 그들의 결과는 Science 저널에 보고됩니다 . 페로브스카이트 재료는 태양 전지 및 LED와 같은 광전자 장치를 생산하기 위해 실리콘에 대한 저렴한 대안을 제공합니다. 다양한 원소 조합으로 인해 다양한 페로브스카이트가 있지만 최근 몇 년 동안 가장 유망한 것은 포름아미디늄(FA) 기반 FAPbI 3 결정입니다. 이 화합물은 열적으로 안정적이며 고유한 '밴드갭'(장치의 에너지 출력과 가장 밀접하게 연결된 특성)은 광전지 응용 분야에 이상적이지 않습니다. 이러한 이유로 상업적으로 이용 가능한 페로브스카이트 태양전지 개발에 주력해 왔다. 그러나 이 화합물은 두 개의 약간 다른 상으로 존재할 수 있습니다.
한 상은 우수한 광전지 성능을 일으키고 다른 상은 매우 적은 에너지 출력을 초래합니다. "FAPbI 3 의 큰 문제 는 원하는 위상이 섭씨 150도 이상의 온도에서만 안정적이라는 것입니다 ."라고 캠브리지 캐번디시 연구소의 Tiarnan Doherty가 말했습니다. "실온에서는 다른 상으로 전환되는데, 이는 광전지에 정말 좋지 않습니다." 낮은 온도에서 원하는 상으로 물질을 유지하기 위한 최근 솔루션은 화합물에 다양한 양이온 및 음이온을 추가하는 것과 관련이 있습니다. Doherty는 "이는 성공적이었고 광전지 장치를 기록하게 되었지만 여전히 국부적인 전력 손실이 발생하고 있습니다."라고 말했습니다.
-"영화에서 올바른 단계에 있지 않은 로컬 영역으로 끝납니다." 이러한 이온의 추가가 전반적인 안정성을 개선한 이유 또는 결과적으로 생성된 페로브스카이트 구조가 어떻게 생겼는지에 대해서는 거의 알려지지 않았습니다. Doherty는 "사람들이 이러한 재료를 안정화할 때 이상적인 입방 구조라는 공통된 합의가 있었습니다."라고 말했습니다.
-“하지만 우리가 보여준 것은 이 모든 다른 것들을 추가함으로써 그것들이 전혀 입방체가 아니라 아주 약간 왜곡되었다는 것입니다. 실온에서 고유한 안정성을 제공하는 매우 미묘한 구조적 왜곡이 있습니다.” 왜곡은 너무 작아서 Doherty와 동료들이 페로브스카이트 재료에 널리 사용되지 않은 민감한 구조 측정 기술을 사용할 때까지 이전에는 감지되지 않았습니다. 연구팀은 주사 전자 회절, 나노-X-선 회절 및 핵 자기 공명을 사용하여 이 안정적인 위상이 실제로 어떻게 생겼는지 처음으로 확인했습니다. "이러한 안정성을 제공하는 것이 약간의 구조적 왜곡이라는 것을 알게 된 후, 우리는 믹스에 다른 요소를 추가하지 않고 필름 준비에서 이를 달성할 수 있는 방법을 찾았습니다."
공동 저자인 Satyawan Nagane은 에틸렌디아민 테트라아세트산 (EDTA) 이라는 유기 분자를 페로브스카이트 전구체 용액의 첨가제로 사용했습니다. EDTA는 FAPbI 3 표면에 결합하여 구조 지시 효과를 주지만 FAPbI 3 구조 자체 에는 통합되지 않습니다 . "이 방법을 사용하면 재료에 추가로 아무것도 추가하지 않고 원하는 밴드 갭을 얻을 수 있습니다. 왜곡된 구조를 가진 필름 형성을 안내하는 템플릿일 뿐이며 결과 필름은 매우 안정적입니다."라고 말했습니다. 나가네 공동 저자인 Cavendish 연구소의 Dominik Kubicki는 "이런 식으로 페로브스카이트 광전지를 위한 본질적으로 거의 완벽한 화합물의 다른 전자적 특성을 수정하지 않고 깨끗한 FAPbI 3 화합물 에서 이 약간 왜곡된 구조를 만들 수 있습니다 "라고 말했습니다. , 그는 현재 Warwick 대학에 기반을 두고 있습니다. 연구자들은 이 기초 연구가 페로브스카이트 안정성과 성능을 개선하는 데 도움이 되기를 바랍니다. 그들의 미래 작업에는 이 접근 방식을 프로토타입 장치에 통합하여 이 기술이 완벽한 페로브스카이트 광전지를 달성하는 데 어떻게 도움이 될 수 있는지 탐구하는 것이 포함됩니다.
캠브리지 화학 공학 및 생명 공학과의 선임 저자인 Sam Stranks 박사는 "이러한 발견은 이러한 재료에 대한 최적화 전략 및 제조 지침을 변경합니다."라고 말했습니다. “약간 왜곡되지 않은 작은 주머니라도 성능 손실로 이어지므로 제조 라인은 다양한 구성 요소와 '왜곡' 첨가제가 증착되는 방법과 위치를 매우 정밀하게 제어해야 합니다. 이렇게 하면 예외 없이 작은 왜곡이 모든 곳에서 균일하게 유지됩니다.” 이 작업은 다이아몬드 광원 및 전자 물리 과학 이미징 센터(ePSIC), 임페리얼 칼리지 런던 , 연세대, 와게닝겐 대학 및 연구, 리즈 대학과 의 협력이었습니다 .
참조: "안정화된 기울어진 팔면체 할로겐화물 페로브스카이트는 성능 제한 단계의 국부적 형성을 억제합니다" 2021년 12월 23일, Science . DOI: 10.1126/science.abl4890
======================
메모 2112240458 나의 사고실험 oms 스토리텔링
완벽한 기능은 기하학적 안정의 입방체에서 나타날까? 기능은 단독적이 아닐 때 전혀 입방적이거나 평면적이지 않다. 추가적인 기능이 부과될 때 왜곡되는 것이 오히려 안정적이다.
중력이 시공간을 왜곡하였다면 자연스럽게 상대성이론을 받아드린거다. 중력장이 블랙홀 vix의 결과물이라면 샘플1. oms의 낯선 왜곡적 해석에 답이 있다. 허허.
Sample 1.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
Sample 1.2 quasi oms (standard)
0100000010=0,2
0010000100
0001000001
0010001000
0001010000
0000100100
0000100010
2000000000
0000001001
sample 2. oss(standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
-"You end up with a local realm that is not at the correct stage in the movie." Little is known about why the addition of these ions improved the overall stability or what the resulting perovskite structure looked like. "There was a common agreement that people had an ideal cubic structure when they stabilized these materials," Doherty said.
-"But what we've shown is that by adding all these different things, they're not cubes at all, but very slightly distorted. There are very subtle structural distortions that provide intrinsic stability at room temperature.” The distortion was so small that it was not previously detected until Doherty and his colleagues used a sensitive structural measurement technique that was not widely used in perovskite materials. The team used scanning electron diffraction, nano-X-ray diffraction, and nuclear magnetic resonance to determine for the first time what this stable phase actually looks like. "After realizing that it was some structural distortion that provided this stability, we found a way to achieve this in film prep without adding other elements to the mix."
=========================
memo 2112240458 my thought experiment oms storytelling
Does perfect function appear in a geometrically stable cube? Functions are not at all cubic or planar when not singular. It is rather stable when it is distorted when additional functions are imposed.
If gravity distorted space-time, then you naturally accepted the theory of relativity. If the gravitational field is the result of the black hole vix, then Sample 1. There is an answer to the strange distorted interpretation of oms. haha.
Sample 1.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
Sample 1.2 quasi oms (standard)
0100000010=0,2
0010000100
0001000001
0010001000
0001010000
0000100100
0000100010
2000000000
0000001001
sample 2. oss(standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글