您好,欢迎访问德阳烯碳科技有限公司官网!

搜索
imgboxbg

新闻资讯

NEWS INFORMATION

当前位置:
首页
/
/
/
我国科研团队运用AI设计出石墨烯/氮化硼复合二维材料

我国科研团队运用AI设计出石墨烯/氮化硼复合二维材料

  • 分类:行业新闻
  • 作者:
  • 来源:网络
  • 发布时间:2021-04-29
  • 访问量:

【概要描述】近日,从杭州电子科技大学获悉,该校机械工程学院董源教授研究团队将人工智能、深度学习、对抗生成技术与新材料的研发相结合,研究出针对石墨烯/氮化硼复合二维材料的人工智能系统。  传统的材料学硏究中,新材料需要经历理论发现、实验室制备、工程化制造和实际应用等阶段,这一过程至少需要20至30年,造成材料科研“耗时耗力”。将人工智能应用到新材料研发中,是解决目前材料研发周期过长、代价过高的一种新尝试。  董源研究团队采用大规模高通量计算收集了大量的结构-带隙之间的关联数据,作为人工智能的学习数据集。他们构建了数套深度卷积神经网络,可以学习已有的结构-带隙数据,精确预测不在数据集之中的任意新型结构的带隙,精确度可高达95%。  “这一类材料的带隙可以在导体与宽禁带半导体之间广泛可调,并且高度依赖原子的空间排布,在高性能存储、光电器件中具有重要应用潜力。”董源指出。  在进一步研究中,董源团队希望人工智能能够承担起一位材料科学家的角色,也就是可以根据用户需求主动设计材料。  “我们采用了近年来备受关注的对抗生成网络(GAN)来实现这一目的。”董源说。通过将深度卷积网络中的“隐藏神经层”与对抗生成网络中的“判别器”嵌合在一起,他们所设计的“条件生成对抗网络”可以做到根据用户对带隙的需求,自动生成新的石墨烯/氮化硼材料结构,且准确度依然可以达到90%左右。  董源团队还通过对隐藏神经层进行数据降维,观测到条件生成对抗网络跟踪材料结构与物性之间耦合关系的过程,对人工智能在材料科学应用中的可解释性做出了部分阐述。  日前,浙江省发布了《浙江省新材料产业发展“十四五”规划》,明确提出力争到2025年,初步建成全球有重要影响力的新材料产业高地。  “人工智能加速新材料研发这一领域的进展是激动人心的,迫切需要材料领域、信息科学领域的科学家以及材料产业专家精诚合作、紧密团结来推动它的发展。”董源表示。

我国科研团队运用AI设计出石墨烯/氮化硼复合二维材料

【概要描述】近日,从杭州电子科技大学获悉,该校机械工程学院董源教授研究团队将人工智能、深度学习、对抗生成技术与新材料的研发相结合,研究出针对石墨烯/氮化硼复合二维材料的人工智能系统。  传统的材料学硏究中,新材料需要经历理论发现、实验室制备、工程化制造和实际应用等阶段,这一过程至少需要20至30年,造成材料科研“耗时耗力”。将人工智能应用到新材料研发中,是解决目前材料研发周期过长、代价过高的一种新尝试。  董源研究团队采用大规模高通量计算收集了大量的结构-带隙之间的关联数据,作为人工智能的学习数据集。他们构建了数套深度卷积神经网络,可以学习已有的结构-带隙数据,精确预测不在数据集之中的任意新型结构的带隙,精确度可高达95%。  “这一类材料的带隙可以在导体与宽禁带半导体之间广泛可调,并且高度依赖原子的空间排布,在高性能存储、光电器件中具有重要应用潜力。”董源指出。  在进一步研究中,董源团队希望人工智能能够承担起一位材料科学家的角色,也就是可以根据用户需求主动设计材料。  “我们采用了近年来备受关注的对抗生成网络(GAN)来实现这一目的。”董源说。通过将深度卷积网络中的“隐藏神经层”与对抗生成网络中的“判别器”嵌合在一起,他们所设计的“条件生成对抗网络”可以做到根据用户对带隙的需求,自动生成新的石墨烯/氮化硼材料结构,且准确度依然可以达到90%左右。  董源团队还通过对隐藏神经层进行数据降维,观测到条件生成对抗网络跟踪材料结构与物性之间耦合关系的过程,对人工智能在材料科学应用中的可解释性做出了部分阐述。  日前,浙江省发布了《浙江省新材料产业发展“十四五”规划》,明确提出力争到2025年,初步建成全球有重要影响力的新材料产业高地。  “人工智能加速新材料研发这一领域的进展是激动人心的,迫切需要材料领域、信息科学领域的科学家以及材料产业专家精诚合作、紧密团结来推动它的发展。”董源表示。

  • 分类:行业新闻
  • 作者:
  • 来源:网络
  • 发布时间:2021-04-29
  • 访问量:

  近日,从杭州电子科技大学获悉,该校机械工程学院董源教授研究团队将人工智能、深度学习、对抗生成技术与新材料的研发相结合,研究出针对石墨烯/氮化硼复合二维材料的人工智能系统。

  传统的材料学硏究中,新材料需要经历理论发现、实验室制备、工程化制造和实际应用等阶段,这一过程至少需要20至30年,造成材料科研“耗时耗力”。将人工智能应用到新材料研发中,是解决目前材料研发周期过长、代价过高的一种新尝试。

  董源研究团队采用大规模高通量计算收集了大量的结构-带隙之间的关联数据,作为人工智能的学习数据集。他们构建了数套深度卷积神经网络,可以学习已有的结构-带隙数据,精确预测不在数据集之中的任意新型结构的带隙,精确度可高达95%。

  “这一类材料的带隙可以在导体与宽禁带半导体之间广泛可调,并且高度依赖原子的空间排布,在高性能存储、光电器件中具有重要应用潜力。”董源指出。

  在进一步研究中,董源团队希望人工智能能够承担起一位材料科学家的角色,也就是可以根据用户需求主动设计材料。

  “我们采用了近年来备受关注的对抗生成网络(GAN)来实现这一目的。”董源说。通过将深度卷积网络中的“隐藏神经层”与对抗生成网络中的“判别器”嵌合在一起,他们所设计的“条件生成对抗网络”可以做到根据用户对带隙的需求,自动生成新的石墨烯/氮化硼材料结构,且准确度依然可以达到90%左右。

  董源团队还通过对隐藏神经层进行数据降维,观测到条件生成对抗网络跟踪材料结构与物性之间耦合关系的过程,对人工智能在材料科学应用中的可解释性做出了部分阐述。

  日前,浙江省发布了《浙江省新材料产业发展“十四五”规划》,明确提出力争到2025年,初步建成全球有重要影响力的新材料产业高地。

  “人工智能加速新材料研发这一领域的进展是激动人心的,迫切需要材料领域、信息科学领域的科学家以及材料产业专家精诚合作、紧密团结来推动它的发展。”董源表示。

我国科学家在高性能聚合物热电材料研制方面取得重要进展

我国科学家在高性能聚合物热电材料研制方面取得重要进展

碳元素可以与氢、氧、氮、磷、硫等元素形成化学键,从而构建出各种有机分子,这些分子单体通过周期性的键合可以形成高分子量的聚合物。目前,人工合成的聚合物,尤其是塑料,已经在人们日常生活中无处不在。
2024-07-26

Copyright © 2021 德阳烯碳科技有限公司 All rights reserved