Sähköisten polymeerien etsintä helpottuu

01.04.2016

UConn-koneoppiminen-materiaali-valinnassa-275.jpgUseimpien ihmisten löytämien uusien materiaalien löytäminen on ollut kokeilua ja keksimistä.

Äskettäin Conncticutin yliopiston tutkijat ovat hieman systematisoineet etsintää koneoppimisen avulla. Menetelmä voi skannata miljoonien teoreettisien yhdisteiden piirteitä, joista voisi sitten kehitellä parempia aurinkokennoja, kuituja ja mikropiirejä.

Hankkeessaan tutkijat päättivät keskittyä selvittämään polymeerien sähköisen eristyksen ja johtaviin ominaisuuksiin liittyviä yhdisteitä. Edelleen työtä rajattiin vain seitsemään rakenneosaan, joista yleisimmät polymeerit on valmistettu.

Silti he joutuivat alkuun käyttämään työläitä mutta tarkkoja kvanttimekaanisia laskelmia selvittääkseen, mitkä atomien järjestelyt antavat minkälaiset ominaisuudet.

Näidenkin molekyylien jokaisen elektronin ja atomin sijainnin laskemiseksi molekyylistä, jossa on enemmän kuin kaksi atomia vaatii tuhottomasti tietokoneaikaa, minkä vuoksi päädyttiin vain 283 tietynlaiseen molekyyliin.

Kvanttimekaanisten laskemien avulla saatiin luotua kunkin polymeerin numeerinen tunniste sen kaistaeroon ja dielektrisyysvakioon nähden, joten tietokone vähitellen "oppi", mitkä rakenneosien yhdistelmät liittyivät mihinkin ominaisuuksiin. Näin luotu koneoppiminen saattoi kartoittaa nämä polymeerin rakenneosien ominaisuudet kaksiulotteiseksi matriisiksi.

Tämän jälkeen ei enää tarvita kvanttimekaanisia laskelmia vaan koneoppimisen avulla saattoi arvioida kaistaeron ja dielektrisyysvakion mille tahansa polymeeristä, joka valmistettu valitusta seitsemästä rakenneosasta.

Osa tutkijaryhmästä valmisti ja testasi useita uusia polymeerejä ja ne olivat yllättävän tarkkaan sellaisia kuin laskelmat olivat ennustaneet. Yleensä näitä ominaisuuksia lasketaan kvanttimekaniikan menetelmillä, jotka ovat kuudesta kahdeksaan kerta hitaampia, toteavat tutkijat yliopistonsa tiedotteessa.

Tutkimusryhmä tutkimien polymeerien ominaisuuksiin voi tutustua heidän Khazana-dataholvissa, jossa on tarjolla myös heidän koneoppimisen sovelluksia, joilla voi ennustella polymeerin ominaisuuksia.

17.10.2019Spin- ja varausvirran hallintaa
16.10.2019Spektrometriaa sirupiirillä
15.10.2019Uusia ulottuvuuksia printtielektroniikalle
14.10.2019Löytö energiatehokkaalle elektroniikalle
11.10.2019Pikotiedettä ja uusia materiaaleja
10.10.2019Lomittumista 50 kilometrissä valokuitua
09.10.2019Koneoppiminen etsii uusia materiaaleja
08.10.2019Parhaat kahdesta maailmasta: Magnetismi ja Weyl -puolimetallit
07.10.2019Tehokkaampaa energian keruuta IoT-antureille
04.10.2019Uusia kierrätyskelpoisia akkukonsepteja

Siirry arkistoon »