神经网络技术标识铁电切换机构

日期:
2019年10月22,
来源:
利哈伊大学
摘要:
AI揭示域几何在铁电转换,对于下一代计算重要驱动的差异;方法可以应用于电子显微镜,农业,天文学,并通过超光谱成像映射其他系统

在材料科学创新是现代生活的室内管道必不可少 – 和去为被忽视

例如,在半导体设备创新成果不断实现的更多信息,传输速度更快,更小,通过硬件 – 诸如通过适合在我们的手掌的装置

在成像技术的改进已经使得能够收集关于在这样的设备中使用的纳米材料的性能数据的土堆。 (一纳米是十亿分之一米,对于规模,人的头发的一条链是纳米50000和100000之间厚)。

“的挑战是,产生人类可解释数据分析方法仍然不适装备的复杂性和数据的大小,”约书亚琼脂,如说:在利哈伊大学材料科学教授sistant。 “只有一个收集的数据的无穷小部分被翻译成知识”。

琼脂研究纳米尺度铁电体,其是显示自发电极化的材料 – 如在带电原子小偏移的结果 – 可以由外部电场的应用而反转。尽管通过收集废旧节能,环保的固态冷却和更新一代低功耗的信息存储/计算,能源利用效率有前景的应用,仍然需要解决的铁电材料,以充分发挥其潜力的一些问题。

琼脂使用的多峰高光谱成像技术 – 可通过该中心的用户程序在橡树岭国家实验室纳米材料科学 – 所谓带激励压电响应力显微镜,因为他们对电刺激作出反应,其测量材料的机械性能。这些所谓的原位表征技术允许在行动纳米工艺的直接观察。

“我们的实验涉及与悬臂接触材料和测量材料的属性,我们驾驶它与电场,”琼脂说。 “本质上,我们去每一个像素和作为我们通过变换驱动它测量材料的一个非常小的区域的响应”。

该技术产生关于所述材料如何响应和大量信息种工艺是HAPP付民,因为它的不同状态之间的转换,解释琼脂。

“你得到这个地图有许多光谱和不同的反应每个像素,”琼脂说。 “所有这些信息出来一次与这种技术的问题是你如何真正弄清楚是怎么回事,因为数据是不干净的。 – 它是嘈杂”

琼脂和他的同事们已经开发出一种人造使用深层神经网络从大量通过他们的实验中产生的数据来学习并提取有用信息的人工智能(AI)技术。应用这种方法,他和他的团队已经确定 – 和可视化的第一次 – 在铁电畴变几何驱动的差异

技术,以及它是如何利用做出这一发现,已在今天发表的一篇文章中描述自然通讯所谓“泄露铁电转换字符使用Deep回归神经网络。”其他作者包括来自加州大学伯克利分校的研究人员;劳伦斯伯克利国家实验室;德克萨斯大学阿灵顿分校;宾夕法尼亚州立大学,大学园区;并且,该中心纳米材料科学在橡树岭国家实验室。

队是在材料科学领域的第一个通过开源软件设计,使交互式计算发表论文之一。该文件,以及代码,可作为一个Jupyter笔记本电脑,它运行在谷歌合作实验室,免费的云计算服务。任何研究者可以访问该纸和该代码,测试出第E法,修改参数,甚至,尝试在自己的数据。通过共享数据,分析代码和说明琼脂希望这种方法在那些谁在该中心的纳米材料科学在橡树岭国家实验室使用该高光谱表征技术以外的社区中。

根据琼脂,神经网络方式可以有广阔的应用前景:“这可能在电子显微镜中使用,扫描隧道显微镜,甚至在航空摄影,”琼脂说。 “它跨越边界。”

事实上,神经网络技术脱胎于工作琼脂做了与约书亚布卢姆,伯克利分校的天文学教授这是以前发表在自然天文的。琼脂适于和施加技术的材料中的用途。

“我的天文的同事被调查的夜空,看着不同的星星,并试图它们都是基于其光强度分布是什么类型的明星进行分类,”琼脂说。

利用神经网络方法来分析高光谱成像数据

应用的神经网络技术,它使用在自然语言处理利用模型,琼脂和他的同事们能够直接图像和在古典铁电的切换可视化的一个重要微妙材料:其中,在此之前,从未做过锆钛酸铅

当材料下外部电场切换其偏振状态,解释琼脂,它形成了一个磁畴壁,或两个不同的边界极化的方向。根据几何形状,收费就可以积聚在该边界。在这些磁畴壁的接口的模块化电导率是关键材料对在晶体管和存储器装置中使用的巨大潜力。

“我们正在从物理的角度检测这里是不同类型的畴壁的形成无论是带电或不带电,取决于几何形状,”琼脂说。

根据琼脂,这一发现不可能使用更原始的机器学习方法是不可能的,因为这些技术往往采用线性模型来识别线性关系。这种模型不能有效地使用结构化数据处理,或进行了解由高光谱成像所生成的数据所需要的复杂的相关性。

有一个黑盒子性质的典型值神经网络琼脂电子已经开发。该方法的工作原理通过堆叠个别数学组件组成复杂的架构。然后,该系统通过优化本身“通过数据隆隆一遍一遍直到它识别什么是重要的。”

琼脂然后创建具有较少参数的模型的一个简单的低维表示。

“解释输出可能我:‘什么?10个参数是最重要的来定义数据集中的所有功能’”琼脂说。 “然后,我可以想像这10个参数是如何影响响​​应,并通过使用该信息,识别重要特征。”

纳米人机界面

琼脂的工作这个项目提供了部分由三脚架+ X补助,国家科学基金会奖PROGRA支持米配套协作团队带来新的视角来承担复杂和根深蒂固的数据的科学问题。

的工作也里海的纳米/人机界面总统工程研究计划的一部分。这种多学科的倡议,由$ 300万的机构投资资金,建议制定一个人机界面,这将提高可视化能力和解释大量数据由科研产生。该倡议旨在改变方式人类的线束和用数据和科学发现的乐器互动,最终建立,很容易为人类所理解和可视化表示。

“这个工具可能是一个方法,因为经过训练之后,一个神经网络系统能够evaluaTE新的数据块的速度非常快,“琼脂说,”这可能使人们有可能采取非常大的数据流,并处理它们的飞行。一旦被处理,该数据可以与人的方式,是可解释的,车削,大型数据流转换成可操作的信息共享。“

材料来源:

相关材料 由 Lehigh University. 提供,文章经《科学的杂志》整理,在格式和长度上可能有所变化。


期刊参考文献:

  1. Joshua C. Agar , Brett Naul, Shishir Pandya, Stefan van der Walt, Joshua Maher, Yao Ren, Long-Qing Chen, Sergei V. Kalinin, Rama K. Vasudevan, Ye Cao, Joshua S. Bloom & Lane W. Martin. Revealing ferroelectric switching character using deep recurrent neural networks. Nature Communications, 2019 DOI: 10.1038/s41467-019-12750-0
引用此页:
Lehigh University “神经网络技术标识铁电切换机构” 科学的杂志,2019年10月23日。 http://www.kexuede.com/post/2019/1004465112187/

Be the first to comment

Leave a Reply

Your email address will not be published.


*