科技日报讯 (记者刘霞)据美国趣味工程网站近日报道,日本东北大学和美国麻省理工学院科学家,成功开发出一款新人工智能(AI)模型GNNOpt。该模型能以与量子模拟相同的精度预测材料的光学性质,但速度能快100万倍。研究团队表示,这一重要进展有望加速光伏和量子材料的研发步伐。
推进太阳能电池、光子集成电路以及量子计算等领域的发展,离不开对材料光学特性的深入了解。但现有的实验方法,如激光测试,受到光波波长范围的限制。而模拟计算成本高昂,且需要满足严格的标准。因此,科学家一直在寻找替代方法,以快速预测不同材料的光学性质。
此前,图形神经网络(GNN)机器学习模型已经问世。这种模型通过将原子表示为图形中的节点,原子键表示为图形的边,可形象地表示分子和材料。但GNN在捕捉晶体复杂结构之间的细微差别方面存在困难,这限制了它在预测材料特性方面的广泛应用。
新AI模型则另辟蹊径,以材料的晶体结构为输入,能在极短时间内,以惊人的准确性,在更宽的光频率范围内预测材料的光学特性。一旦科学家掌握某种光学性质,就可借助相关公式,推导出其他光学性质。
新AI模型成功的秘诀在于“集成嵌入”技术。这项技术赋予了AI从多种数据集中学习的能力,使其变得更加精确且通用。
研究团队称,他们的新AI模型能够准确预测晶体结构的光学性质,为广泛应用打开了大门,特别是为先进太阳能电池和量子材料的筛选提供了强有力的支持。他们计划创建包含各种材料特性(如力学和磁性)的综合数据库,以进一步扩展该AI模型的功能。
(责任编辑:王婉莹)
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】