.Scientists reveal the limits of machine learning for hydrogen models
mss(magic square system)master:jk0620 http://blog.naver.com/mssoms http://jl0620.blogspot.com http://jk0620.tripod.com https://www.facebook.com/junggoo.lee.9 .Scientists reveal the limits of machine learning for hydrogen models 과학자들은 수소 모델에 대한 기계 학습의 한계를 밝힙니다 에 의해 로체스터 대학 금속성 수소는 지구에서는 드물지만 목성과 같은 행성 내부에서 대량으로 발견된다. 레이저 에너지 연구소의 새로운 연구는 수소의 금속 수소로의 상 전이에 대한 보다 정확한 데이터를 제공하여 보다 정확한 컴퓨터 모델을 구축하는 데 도움이 될 것입니다. 크레딧: NASA / JPL-Caltech / SwRI / MSSS / Kevin M. Gill 수소는 우주에서 가장 풍부한 원소 중 하나입니다. 지구에서 수소는 일반적으로 기체입니다. 그러나 목성과 같은 많은 행성에 존재하는 조건인 고온 및 고압에서 수소는 일련의 상전이를 거쳐 액체 금속의 특성을 띠게 됩니다. 금속 특성 중 하나는 전기 도체가 되는 것입니다. 네이처 저널의 "Matters Arising" 의 새로운 논문에서 LLE 직원 과학자인 주 저자 Valentin Karasiev를 포함한 로체스터 대학교 레이저 에너지 연구소(LLE)의 연구원들; 대학원생 Josh Hinz; 기계 공학 부교수이자 LLE의 저명한 과학자인 Suxing Hu는 기계 학습 기술을 사용하여 절연 액체에서 액체 금속으로의 고밀도 수소의 액체-액체 상전이를 연구 한 2020년 Nature 논문에 응답했습니다 . 그들의 응답에서 Karasiev와 그의 동료들은 이러한 기계 학습 기술이 수소의 상전이를 설명할 때 어떻게 잘못된 결과를 생성했는지에 대해 설명합니다. 그들의 연구는 수소를 연구하기 위한 보다
