AI 알고리즘, 새로운 나노구조 발견해 연구 시간 1개월에서 6시간으로 단축

AI가 새로운 성과를 달성했습니다!

단 6시간 만에 새로운 나노구조를 발견하세요. 기존 방법을 사용하면 이 작업을 완료하는 데 최소 1개월이 소요됩니다.

이 결과는 Science 하위 저널 Advance에 게재되었습니다.

Δ주사전자현미경 이미지는 AI가 발견한 새로운 나노구조를 묘사합니다.

이 실험은 미국 에너지부(DOE) Brookhaven 국립 연구소에서 수행되었습니다. 연구원들은 AI 기반 기술을 사용하여 3가지 새로운 나노구조를 발견했습니다.

구조물 중 하나는 매우 희귀한 "사다리" 유형입니다.

그들은 실험의 모든 단계를 독립적으로 정의하고 실행할 수 있는 전체 프로세스에 gpCAM이라는 알고리즘 기반 프레임워크를 사용했습니다.

논문을 읽은 후 디지털 제품 스타트업 기업의 CEO는 ChatGPT의 인기에 대해 대담하게 다음과 같이 말했습니다.

향후 5년 안에 AI 혁신 공학, 재료 과학, 제약 분야가 그 인기를 압도할 것이라고 장담합니다. ChatGPT의 영향.

세 가지 새로운 나노 구조 발견

세 가지 새로운 나노 구조가 발견되었으며, 모두 자기 조립이라는 과정을 통해 형성되었습니다.

자기조립이란 분자, 나노물질, 마이크론 등 기본 구조 단위가 자발적으로 질서 있는 구조를 형성하는 기술을 말합니다.

형성된 구조는 안정적이며 기하학적 외관에는 특정 규칙이 있습니다.

Brookhaven의 CFN(Centre for Functional Nanomaterials) 과학자이자 이번 연구의 저자 중 한 명인 Gregory Doerk는 다음과 같이 설명했습니다.

자기 조립 재료의 특성은 매우 작으며 이 기술을 사용하면 엄격하게 제어됩니다. 나노패터닝이 작아지면 해상도가 향상됩니다.

Δ공동 저자 Kevin Yager(왼쪽)와 Gregory Doerk(오른쪽).

CFN을 소개하겠습니다. 이 조직의 목표는 자체 조립 나노패턴 라이브러리를 구축하여 응용 범위를 확장하는 것입니다.

이전에 연구자들은 두 가지 자기 조립 재료를 혼합하여 새로운 유형의 나노 패턴을 형성할 수 있음을 입증했습니다.

그러나 전통적인 자기 조립은 원통, 시트 또는 구와 같은 상대적으로 단순한 구조만 형성할 수 있습니다.

그런데 이번에 연구자들은 세 가지 새로운 나노구조 중에 사다리 구조가 있다는 사실을 발견했습니다!

즉, 적절한 화학 격자(스펙트럼 스플리터)를 사용하면 자기 조립된 두 가지 재료를 혼합하여 새로운 구조를 발견하는 것이 완전히 가능합니다.

새로운 발견은 놀라움을 가져오지만 실험 과정에서 새로운 과제도 가져옵니다.

전체 자기 조립 과정에서는 많은 매개변수를 제어해야 하며, 새롭고 유용한 구조를 만들기 위해서는 적절한 매개변수 조합을 찾아야 합니다.

이 과정은 종종 매우 길다.

연구를 가속화하기 위해 CFN 연구원들은 새로운 AI 기능인

자율 실험을 도입했습니다.

완료까지 1개월에서 6시간으로 단축

전통적인 방법이 어떻게 적절한 매개변수 조합을 찾는지 들어보시는 것도 좋을 것 같아요~

먼저 연구원이 샘플을 합성한 후 측정하고 유용한 정보를 학습합니다. .

그런 다음 다른 샘플을 만들고, 측정하고, 그로부터 배우세요...

간단히 말하면, 해결하고 싶은 문제가 해결될 때까지 이 과정을 계속 반복하세요.

이렇게 지루하고 반복적인 작업을 AI에게 맡기면 어떨까요?

실제로 CFN과 같은 실험실에 있는 Office of Science User Facility인 NSLS-II(National 싱크로트론 광원 II)는 실험의 모든 단계를 자동으로 정의하고 실행할 수 있기를 바라며 AI 프레임워크를 개발해 왔습니다. .

시간이 부족해지자 CFN은 마침내 미국 에너지부 산하 에너지 연구 및 응용 고급 수학 센터(CAMERA)와 협력하기로 결정했습니다.

CAMERA의 gpCAM 알고리즘 기반 프레임워크는 자율적인 의사결정을 가능하게 합니다. 협업 중에 gpCAM을 사용하여 모델의 다양한 기능을 자율적으로 탐색했습니다.

최신 연구는 팀이 새로운 물질을 발견하는 알고리즘의 능력을 성공적으로 입증한 최초의 사례입니다.

gpCAM이 합류한 후 연구팀은 먼저 CFN의 나노 처리 장비를 사용하여 일련의 특성을 가진 복잡한 샘플을 준비한 다음 CFN의 재료 합성 장비에서 자체 조립하고 분석했습니다.

이 샘플에는 스펙트럼 특성이 있으며 연구원이 관심을 갖는 각 매개변수에 대한 그라데이션도 포함되어 있습니다.

이렇게 하면 하나의 샘플이 다양한 재료 구조의 거대한 컬렉션이 됩니다.

이 샘플은 초고휘도 X선을 사용한 구조 연구를 위해 NSLS-II로 전송되었습니다.

Δ 다양한 구조의 모델.

gpCAM이 원하는 것은 측정을 더욱 통찰력 있게 만드는 것입니다. 간단히 말해서, AI 알고리즘을 사용하여 다음에 측정할 지점을 선택하여 각 측정을 더욱 정확하게 만드는 것입니다.

AI 알고리즘은 처음부터 끝까지 총 6시간이 걸렸습니다.

전통적인 방법을 사용한다고 가정하면, 연구자들은 최소 한 달 동안 실험실에 머물러야 합니다.

이 6시간 동안 알고리즘은 복잡한 샘플에서 세 가지 핵심 영역을 식별했습니다.

연구원들은 CFN 전자현미경 장비를 사용하여 이 세 영역을 정밀하고 자세하게 이미지화하여 나노레일과 그라데이션 등의 새로운 기능을 드러냈습니다.

"자율 실험은 발견을 극적으로 가속화할 수 있습니다." CFN 연구원이자 새 연구의 공동 저자인 Kevin Yager는 "과학계의 일반적인 발견 주기를 '긴축'하여 가설과 측정 사이의 시간을 단축하고 있습니다." 속도를 높이기 위해 자율 실험은 연구 범위를 증가시키며 이는 이제 더 도전적인 과학적 질문을 시도할 수 있음을 의미한다고 Yager는 말했습니다.

즉, 자율 실험 방법은 적응성이 뛰어나 거의 모든 연구 문제에 적용할 수 있습니다.

연구원들은 이미 여러 매개변수 간의 복잡한 상호작용을 연구하기를 기대하고 있습니다. 여기서 무엇을 기대하시나요?

참조 링크:

[1]​

​

[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% 20과학%20발전.​

위 내용은 AI 알고리즘, 새로운 나노구조 발견해 연구 시간 1개월에서 6시간으로 단축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!