欧美色在线视频播放 视频,国产精品亚洲精品日韩已方,日本特级婬片中文免费看,亚洲 另类 在线 欧美 制服

<td id="8pdsg"><strong id="8pdsg"></strong></td>
<mark id="8pdsg"><menu id="8pdsg"><acronym id="8pdsg"></acronym></menu></mark>
<noscript id="8pdsg"><progress id="8pdsg"></progress></noscript>

    1. 首頁 >人工智能 > 正文

    機器學習在極端條件下確定物質何時發(fā)生變化

    材料在極端條件下經(jīng)歷的相變?yōu)榭茖W家提供了前所未有的機會來發(fā)現(xiàn)創(chuàng)造新材料的方法。這些變化還可以揭示系外行星和其他天體的形成和組成,包括我們地球的內核。

    材料在極端條件下的實驗過程中所經(jīng)歷的相變可以揭示系外行星和其他天體(包括地球內核)的形成和組成。羅切斯特大學的研究人員正在幫助開發(fā)自動化的深度學習計算機視覺技術,以加快對這些實驗產(chǎn)生的數(shù)萬億字節(jié)數(shù)據(jù)的分析。GregStewart/SLAC國家加速器實驗室的插圖。

    然而,這些相位變化僅在皮秒內發(fā)生。它們還涉及對尺寸僅為十分之一納米的晶體原子特征的修改。

    實驗科學家的悖論是:他們越善于記錄這些變化或所謂的“罕見事件”,他們就越會被大量難以分析的數(shù)據(jù)淹沒,NiazAbdolrahim說,羅切斯特大學機械工程助理教授。

    例如,只需10秒的實驗就可以產(chǎn)生數(shù)百萬張圖像。“我每天都在談論TB(萬億字節(jié))的數(shù)據(jù),”她說。此外,Abdolrahim補充說,這些圖像中只有少數(shù)能捕捉到發(fā)生相變的皮秒。“讓人類分析這些數(shù)據(jù)將非常耗時且不太實用。”

    Abdolrahim是一位在納米材料多尺度建模方面具有專業(yè)知識的理論科學家,是兩項資助的首席研究員——美國能源部國家核安全管理局(NNSA)提供的574,000美元獎勵和美國國家科學基金會(NSF)提供的375,000美元獎勵——旨在解決這個問題。

    目標是開發(fā)自動化的深度學習計算機視覺技術,以加快對這些數(shù)據(jù)的分析,同時為實驗科學家快速識別最重要的圖像。

    她的合作者包括羅徹斯特大學計算機科學助理教授徐晨亮和原子壓物質中心主任RipCollins,以及SLAC國家加速器實驗室直線加速器相干光源(LCLS)的AriannaGleason在加利福尼亞州門洛帕克。

    LCLS和其他國家實驗室使用超快X射線衍射光譜來照亮在極端壓力和高溫下發(fā)生變化的材料。光譜學在極端條件下將X射線束對準晶體結構或晶格。這會導致以皮秒間隔反射散射的X射線束,顯示結構的對稱性、大小和其他相關的原子特征。這些特征顯示為峰值和光暈,表明是否正在發(fā)生相變。

    這些反射被捕獲在數(shù)百萬張圖像中,供科學家分析。

    在SLAC國家加速器實驗室,硅靶在受到激光沖擊后會發(fā)生相變。以15納秒間隔拍攝的X射線數(shù)據(jù)揭示了晶格動力學。圖片來源:Brennan-Brown等人的SLAC新聞稿。2019年科學。進階。

    為了創(chuàng)建能夠自動找到這些圖像中最相關的深度學習技術,研究人員首先需要用原始數(shù)據(jù)“訓練”深度學習模型。Abdolrahim解釋說,理想情況下,研究人員會為此目的在高級實驗室生成實驗數(shù)據(jù),但這會很昂貴并且涉及太多不確定性,例如實驗出錯。

    因此,在NNSA項目的初始階段,她的實驗室將生成“合成數(shù)據(jù)”——由計算機模擬生成的數(shù)據(jù),盡可能接近實際實驗中可能發(fā)生的情況。“在這里,我們將與徐和他的實驗室合作開發(fā)一個模型,來回修改它,直到它與我們的數(shù)據(jù)一起工作,”Abdolrahim說。

    在項目的后期,研究人員將與LCLS合作,根據(jù)實際實驗數(shù)據(jù)進一步調整模型。

    “這將告訴我們,當我們查看X射線衍射數(shù)據(jù)時,材料的晶體結構是什么,在此過程中發(fā)生的任何相變,以及如果它們發(fā)生,在什么時候發(fā)生,”Abdolrahim說。“我們的工作將極大地促進實驗人員的工作,否則他們可能會花費一個月或更長時間嘗試自己分析數(shù)據(jù)。”

    憑借NSF獎,Abdolrahim和她的合作者將使用更復雜的視頻分割算法調整他們的學習模型,以便可以在更大的實驗數(shù)據(jù)集上訓練模型。

    “在這里,我們將使用1D(一維)和模擬的2D(二維)X射線衍射數(shù)據(jù)來識別塑性變形、相變和缺陷產(chǎn)生的動力學,”Abdolrahim說。

    該項目將包括執(zhí)行分子動力學模擬以生成動態(tài)一維和二維數(shù)據(jù),并使模型適應具有不同特征的各種不同的實驗數(shù)據(jù)。

    這兩個項目的首要目標是“更好地了解材料在極端壓力下如何反應,以及為什么會出現(xiàn)新的奇異特性或相。這將幫助我們確定設計新材料的新途徑,”她說。

    這兩個項目都是在Abdolrahim和Xu獲得的大學研究獎(URA)種子基金的支持下啟動的。“如果不是URA,我們可能永遠不會開始討論,”Abdolrahim說。“這有利于促進合作和產(chǎn)生這些想法。”

    標簽:

    免責聲明:本文由用戶上傳,與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考,并不構成投資建議。投資者據(jù)此操作,風險自擔。 如有侵權請聯(lián)系刪除!