AI算法发现种新纳米结构,研究时间从1个月压缩到6小时
AI又达成了一个新成就!
只用6个小时,发现新的纳米结构。如果使用传统方法,完成这个任务至少需要1个月。
这一结果发表在Science子刊Advance上。
△扫描电子显微镜图像描绘了AI发现的新型纳米结构
实验来自美国能源部(DOE)布鲁克黑文国家实验室,研究人员用AI驱动的技术,发现了3种新的纳米结构。
其中一种的结构还是非常罕见的“阶梯”型。
整个过程他们用上叫做gpCAM的算法驱动框架,它可以自主定义和执行实验的所有步骤。
数字产品初创公司CEO读完论文后,大胆放话小蹭了ChatGPT的热度:
我敢打赌,未来五年里,AI改造工程、材料科学、制药,会让ChatGPT的影响力相形见绌。
发现三种新的纳米结构
新发现三种纳米结构,都是通过一种叫自组装(self-assembly)的过程形成的。
自组装是指基本结构单元,比如分子、纳米材料、微米等,自发形成有序结构的一种技术。
所形成的结构稳定,且几何外观具有一定规则。
布鲁克海文功能纳米材料中心(CFN)的科学家,也是新研究的作者之一Gregory Doerk解释:
自组装材料的特性很小,同时还严格控制,使用这个技术,能让更小的纳米图案提高分辨率。
△共同作者Kevin Yager(左)和Gregory Doerk(右)。
介绍一下CFN,这个机构的工作目标,就是建立一个自组装纳米模式类型的图书馆,来扩大其应用范围。
此前,研究人员证明通过混合两种自组装材料,可以形成新的纳米图案类型。
不过一直以来,传统的自组装只能形成相对简单的结构,比如如圆柱体、薄片或球体。
但这一次,研究人员发现,三种新纳米结构中,有个阶梯结构!
也就是说,一旦使用恰当的化学光栅(分光器),混合两种自组装材料是完全可以发现新结构的。
新发现带来惊喜,也带来了实验过程的新挑战:
整个自组装过程需要控制许多参数,必须找到合适的参数组合,才能创建新的且有用的结构。
这个过程往往非常漫长。
为了加速研究,CFN的研究人员引入了一种新的AI能力:
自主实验。
从1个月加速到6小时完成
不妨先听听传统方法是怎么来找合适的参数组合的~
首先,研究人员会合成一个样本,然后测量它,从中学习有用的信息。
然后,再制作一个不同的样本,测量它,从中学习……
总之就是不断重复这个过程,直到解决想要解决的问题。
如此单调乏味的重复性工作,为什么不交给AI试试呢?
其实CFN和同实验室的科学用户设施办公室国家同步加速器光源II (NSLS-II)一直在开发一种AI框架,想让它可以自动定义和执行实验的所有步骤。
时间紧迫,CFN最终选择与美国能源部高等数学能源研究应用中心(CAMERA)合作。
CAMERA的gpCAM算法驱动框架,就可以进行自主决策。合作过程中,gpCAM被用来自主探索模型的不同特征。
最新研究是团队首次成功演示该算法发现新材料的能力。
gpCAM加入后,研究小组首先利用CFN的纳米加工设备,制备了一个具有一系列特性的复杂样本;接着又在CFN的材料合成设备中进行了自组装,并进行分析。
这个样品具有光谱性质,还包含了研究人员感兴趣的每个参数的梯度。
如此一来,单个样本就成为了许多不同材料结构的巨大集合。
这个样本被送到NSLS-II,用超亮X射线进行结构研究。
△X 射线散射数据(左)显示与相应的扫描电子显微镜图像(右)的关键领域的样本
射线运行时,gpCAM在没有人为干预的情况下,创建了一个材料的多个不同结构的模型。
gpCAM要做的还有让测量更具洞察力,简单来说就是用AI算法选定下一步该测量的是哪个点位,让每次测量更准确。
△NSLS-II的软物质接口 (SMI) 光束线。
从开始到结束,AI算法一共花了6个小时。
假设使用的是传统方法,研究人员至少得在实验室里泡一个月。
这6个小时内,算法已经确定了复杂样本中的三个关键区域。
研究人员利用CFN电子显微镜设备对这三个区域进行精确的细节成像,揭示了纳米轨和梯度,以及其他一些新特征。
“自主实验可以极大地加速发现。”CFN研究员、新研究共同作者Kevin Yager,“这是在‘收紧’科学界通常的发现循环,减少假设和测量之间的时间间隔。”
Yager还说,除速度外,自主实验还增加了可研究范围,这意味着现在可以尝试解决更具挑战性的科学问题了。
也就是说,自主实验方法具有自适应性,可以应用于几乎所有的研究问题。
研究人员们已经在期待研究多个参数之间复杂的相互作用,对此,你又有什么期待呢?
参考链接:
[1]https://www.php.cn/link/8e5231f0eadafd174b670e838e42d97d
[2]https://www.science.org/doi/10.1126/sciadv.add3687[3]https://www.bnl.gov/newsroom/news.php?a=120993#:~:text=The%20artificial%20intelligence%20(AI)%2D,published%20today%20in%20Science%20Advances.
以上是AI算法发现种新纳米结构,研究时间从1个月压缩到6小时的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

DMA在C 中是指DirectMemoryAccess,直接内存访问技术,允许硬件设备直接与内存进行数据传输,不需要CPU干预。1)DMA操作高度依赖于硬件设备和驱动程序,实现方式因系统而异。2)直接访问内存可能带来安全风险,需确保代码的正确性和安全性。3)DMA可提高性能,但使用不当可能导致系统性能下降。通过实践和学习,可以掌握DMA的使用技巧,在高速数据传输和实时信号处理等场景中发挥其最大效能。

使用C 中的chrono库可以让你更加精确地控制时间和时间间隔,让我们来探讨一下这个库的魅力所在吧。C 的chrono库是标准库的一部分,它提供了一种现代化的方式来处理时间和时间间隔。对于那些曾经饱受time.h和ctime折磨的程序员来说,chrono无疑是一个福音。它不仅提高了代码的可读性和可维护性,还提供了更高的精度和灵活性。让我们从基础开始,chrono库主要包括以下几个关键组件:std::chrono::system_clock:表示系统时钟,用于获取当前时间。std::chron

交易所内置量化工具包括:1. Binance(币安):提供Binance Futures量化模块,低手续费,支持AI辅助交易。2. OKX(欧易):支持多账户管理和智能订单路由,提供机构级风控。独立量化策略平台有:3. 3Commas:拖拽式策略生成器,适用于多平台对冲套利。4. Quadency:专业级算法策略库,支持自定义风险阈值。5. Pionex:内置16 预设策略,低交易手续费。垂直领域工具包括:6. Cryptohopper:云端量化平台,支持150 技术指标。7. Bitsgap:

在C 中处理高DPI显示可以通过以下步骤实现:1)理解DPI和缩放,使用操作系统API获取DPI信息并调整图形输出;2)处理跨平台兼容性,使用如SDL或Qt的跨平台图形库;3)进行性能优化,通过缓存、硬件加速和动态调整细节级别来提升性能;4)解决常见问题,如模糊文本和界面元素过小,通过正确应用DPI缩放来解决。

C 在实时操作系统(RTOS)编程中表现出色,提供了高效的执行效率和精确的时间管理。1)C 通过直接操作硬件资源和高效的内存管理满足RTOS的需求。2)利用面向对象特性,C 可以设计灵活的任务调度系统。3)C 支持高效的中断处理,但需避免动态内存分配和异常处理以保证实时性。4)模板编程和内联函数有助于性能优化。5)实际应用中,C 可用于实现高效的日志系统。

C 中使用字符串流的主要步骤和注意事项如下:1.创建输出字符串流并转换数据,如将整数转换为字符串。2.应用于复杂数据结构的序列化,如将vector转换为字符串。3.注意性能问题,避免在处理大量数据时频繁使用字符串流,可考虑使用std::string的append方法。4.注意内存管理,避免频繁创建和销毁字符串流对象,可以重用或使用std::stringstream。

在C 中测量线程性能可以使用标准库中的计时工具、性能分析工具和自定义计时器。1.使用库测量执行时间。2.使用gprof进行性能分析,步骤包括编译时添加-pg选项、运行程序生成gmon.out文件、生成性能报告。3.使用Valgrind的Callgrind模块进行更详细的分析,步骤包括运行程序生成callgrind.out文件、使用kcachegrind查看结果。4.自定义计时器可灵活测量特定代码段的执行时间。这些方法帮助全面了解线程性能,并优化代码。

在MySQL中,添加字段使用ALTERTABLEtable_nameADDCOLUMNnew_columnVARCHAR(255)AFTERexisting_column,删除字段使用ALTERTABLEtable_nameDROPCOLUMNcolumn_to_drop。添加字段时,需指定位置以优化查询性能和数据结构;删除字段前需确认操作不可逆;使用在线DDL、备份数据、测试环境和低负载时间段修改表结构是性能优化和最佳实践。
