91视频

Nya teknologier inom exempelvis energi och h氓llbarhet s氓som batterier, solceller, LED-belysning och biologiskt nedbrytbara material kr盲ver nya material. M氓nga forskare runt om i v盲rlden jobbar med att skapa material som inte existerat tidigare. Men det 盲r en stor utmaning att skapa material med just de egenskaper som kr盲vs, som exempelvis att inte inneh氓lla milj枚farliga 盲mnen och samtidigt vara tillr盲ckligt h氓llbara f枚r att inte g氓 s枚nder.

鈥� Nu ser vi n氓got av en explosionsartad utveckling d盲r forskare inom materialvetenskap anpassar AI-metoder fr氓n andra f盲lt och ocks氓 utvecklar egna modeller att anv盲nda inom materialforskning. Att ta hj盲lp av AI f枚r att f枚ruts盲ga egenskaper hos olika material 枚ppnar helt nya m枚jligheter, s盲ger Rickard Armiento, universitetslektor vid Institutionen f枚r fysik, kemi och biologi (IFM) vid Link枚pings universitet.

AI som kan f枚ruts盲ga materialegenskaper

I dag g枚rs m氓nga kr盲vande simuleringar p氓 superdatorer som beskriver hur elektroner r枚r sig i material, vilket ger upphov till olika materialegenskaper. De h盲r avancerade ber盲kningarna ger stora m盲ngder data som kan anv盲ndas f枚r att tr盲na maskininl盲rningsmodeller.

Dessa AI-modeller kan sedan sekundsnabbt f枚ruts盲ga svaren p氓 nya ber盲kningar som 盲nnu inte gjorts, och i f枚rl盲ngningen f枚ruts盲ga egenskaper hos nya material. Men f枚r att tr盲na upp modellerna kr盲vs enorma m盲ngder data.

鈥� Vi r枚r oss in i en era d盲r vi vill tr盲na modeller p氓 all data som finns, s盲ger Rickard Armiento.

Data fr氓n storskaliga simulationer, och allm盲nna data om material, samlas i stora databaser. Med tiden har m氓nga s氓dana databaser uppst氓tt ifr氓n olika forskargrupper och projekt, likt isolerade 枚ar i ett hav. De fungerar olika och anv盲nder ofta egenskaper som 盲r definierade p氓 olika s盲tt.

鈥� Forskare p氓 universiteten eller i industrin som vill kartl盲gga material p氓 en st枚rre skala eller vill tr盲na en AI-modell m氓ste inh盲mta information fr氓n dessa databaser. D盲rf枚r beh枚vs en standard s氓 att anv盲ndarna kan kommunicera med alla dessa databibliotek och f枚rst氓 informationen de f氓r, s盲ger Gian-Marco Rignanese, professor vid the Institute of Condensed Matter and Nanosciences vid UCLouvain i Belgien.

Samarbete 枚ver hela v盲rlden

I 氓tta 氓r har standarden OPTIMADE (Open databases integration for materials design) utvecklats. Bakom standarden finns ett stort internationellt n盲tverk med 枚ver 30 institutioner 枚ver hela v盲rlden och stora materialdatabaser i Europa och USA. Syftet 盲r att ge anv盲ndarna l盲ttare 氓tkomst till b氓de ledande och mindre k盲nda materialdatabaser.

Nu sl盲pps en ny version av standarden, v1.2, som beskrivs i en artikel som publicerats i tidskriften Digital Discovery. En av de st枚rsta f枚r盲ndringarna i den nya versionen 盲r en kraftigt ut枚kad m枚jlighet att precist beskriva olika materialegenskaper och andra data med gemensamma, v盲l underbyggda definitioner.

Det internationella samarbetet str盲cker sig 枚ver EU, Storbritannien, USA, Mexiko, Japan och Kina tillsammans med institutioner som 脡cole Polytechnique F茅d茅rale de Lausanne (EPFL), University of California Berkeley, University of Cambridge, Northwestern University, Duke University, Paul Scherrer Institut och Johns Hopkins University. Mycket av samarbetet sker i m枚ten med 氓rliga workshops finansierade av CECAM (Centre Europ茅en de Calcul Atomique et Mol茅culaire) i Schweiz, med den f枚rsta finansierad av Lorentz Center i Nederl盲nderna. Andra aktiviteter har st枚tts av organisationen Psi-k, kompetenscenter NCCR MARVEL i Schweiz, och e-Science Research Centre (SeRC) i Sverige.

Forskarna i samarbetet erh氓ller st枚d fr氓n m氓nga olika finansi盲rer. Rickard Armiento finansierar sitt arbete med standarden med medel ifr氓n SeRC och Vetenskapsr氓det.

Artikel: , Matthew L. Evans, Johan Bergsma, Andrius Merkys, et al. Digital Discovery, publicerad 24 juni 2024, DOI: https://doi.org/10.1039/D4DD00039K (Open Access)