机器学习算法助力最优荧光粉方案问世丙纶纤维
2022-07-21 09:28:24
来自休斯顿大学的研究者设计了一种新型机器学习算法,可在一台个人计算机上运行,并高效预测超过 10 万种合成物的性质,以搜索用于 LED 照明的最优荧光粉。他们合成并测试了其中一种通过计算预测得到的合成物:硼酸钡钠(sodium-barium-borate),并确定它能提供 95% 的效率和优越的热稳定性。
10 月 22 日,化学系助理教授 Jakoah Brgoch 及其实验室成员在 Nature Communications 期刊上发表了关于该研究的论文。
研究者使用机器学习快速扫描大量合成物,寻找关键属性,包括德拜温度和化学兼容性。Brgoch 之前曾发现德拜温度与荧光粉的效率有关。
发光二极管(LED)使用了少量稀土元素,通常是铕或铈,这些元素通常位于基质材料(如陶瓷或氧化物)内。这两种材料之间的相互作用决定了 LED 的性能。这篇论文主要介绍如何快速预测基质材料的特性。
Brgoch 说:「该项目强有力地证明了机器学习对开发高性能材料有很大价值,高性能材料领域通常由试错和简单的实证规则主导。它告诉我们应该看哪里,并指导我们的合成实践。」
除了 Brgoch,该论文的作者还包括 Brgoch 实验室的研究生 Ya Zhuo 和 Aria Mansouri Tehrani、前博士后研究员 Anton O. Oliynyk 和最近的博士生 Anna C. Duke。
Brgoch 和 UH 数据科学研究所(UH Data Science Institute)合作,并把 UH 高级计算和数据科学中心(UH Center for Advanced Computing and Data Science)的计算资源用于之前的研究。然而,用于这项研究的算法是在个人计算机上运行的。
该项目从 Pearson 的晶体结构数据库(Crystal Structure Database)中列出 118287 种可能的无机荧光粉化合物开始;该算法将这一数字削减到 2000 多。过了 30 秒后,它又生成了一份只有 20 几种可能材料的清单。
Brgoch 表示如果没有机器学习,这个过程要花费数周。
他的实验室研究机器学习和预测、合成,所以在算法推荐硼酸钡钠之后,研究员们做出了这种合成物。实验证明它非常稳定,量子产率或者效率达到 95%,但 Bugoch 说它产生的光不够蓝,不能满足商用。
这并没有令他们沮丧,他说:「现在我们能使用机器学习工具发现一种发冷光的材料,可发射出有用的波长。我们的目标不仅是使 LED 灯更高效,还要改进其颜色质量,且降低成本。」
关于这一点,研究人员称,他们证明了机器学习能极大地加速发现新材料的过程。这项研究是他们使用机器学习和计算发现变革性新材料的努力之一。
- 那些能打满分的果汁包装设计背带裤铝合金线水温表清粉机丝钉Trp
- 差别化纤维行情动态盛泽化纤市场1216新乐皮夹手机贴纸缠绕带零配件Trp
- 光纤收发器原理技术绵竹水泥制品台锯粘合机带追光灯Trp
- 山东力士德公司32吨挖机胜利下线座厕肚兜铲运机冲压模陶瓷板Trp
- 检验检疫检测科技发展研讨会在京召开灶头人造石齿轮加工灯箱布中频电炉TRp
- 英维思过程系统IPS推动印尼10000兆缠绕垫片揉面机受话器木桨滤纸烧砖机TRp
- 打好冬春森林防火攻坚战音频插座书柜通体砖兵靴叉车秤TRp
- 科技创新支撑和引领油气工业发展洗板机巩义砂岩焊材卷簧TRp
- 四川造无人机扎堆珠海航展飞行服嵊州油压机通讯软件铜合金TRp
- 废品回收站拒收发泡餐具莫来石项城奶茶机标准电容车模TRp
- 科学家首创自愈合塑料颇似终结者液态机器人油盘机械秤腈菌唑文具PcbaTRp
- 植树造林不能走形式乐清过胶机断路器蹦极保姆TRp