Loading...

Piqsels

Американские ученые разработали нейросеть, которая может классифицировать материалы и находить связи между их структурой и свойствами. Это поможет быстрее и эффективнее находить нужные материалы в будущем. Исследование опубликовано в журнале npj Computational Materials.

Ученым крайне важно понимать, как соотносятся структура и свойства разных материалов. Но метрики, которая позволила бы понимать и классифицировать структуру материалов, до сих пор не существует. Причина этого заключается в сложности структур.

Решить проблему могли бы нейросети. Но есть две проблемы. Во-первых, большая часть данных, полученных в результате экспериментов с материалами, никогда не анализируется. Причина в том, что такие данные редко хранятся в удобном для использования виде и обычно не передаются другим исследовательским группам. Во-вторых, нейросети не слишком эффективны, когда нужно изучить симметрию и периодичность структуры, а именно эти характеристики крайне важны для материаловедов.

Теперь же американские ученые разработали новый подход к машинному обучению, который позволит нейросетям прогнозировать связи между структурой и свойствами материалов. Исследователи создали и обучили модель нейронной сети, которая учитывала симметрию. В основе лежал метод унифицированной аппроксимации и проекции многообразия (Uniform Manifold Approximation and Projection, UMAP) — метод нелинейного уменьшения размерности.

«Если вы тренируете нейронную сеть, результатом будет вектор или набор чисел, который представляет собой компактный дескриптор функций. Эти особенности помогают классифицировать вещи, чтобы выявить некоторое сходство. То, что производится, по-прежнему занимает довольно много места, потому что у вас может быть 512 или более различных функций. Итак, вы хотите сжать его в пространство, которое может понять человек, например в 2D или 3D ― или, может быть, в 4D», — рассказал Джошуа Агар из Университета Лихай, ведущий автор исследования.

Разработчики протестировали нейросеть на 25 133 изображениях силовой микроскопии пьезоотклика. Результаты оказались впечатляющими — она помогла ученым сгруппировать аналогичные классы материалов и отследить закономерности, касающиеся взаимосвязей между структурой и свойствами.

Авторы исследования отмечают, что разработанная ими нейросеть в перспективе поможет в поиске новых эффективных материалов.


Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.