详细内容或原文请订阅后点击阅览
机器学习揭开了材料中的量子原子振动
加州理工学院的科学家已经开发了一种基于人工智能（AI）的方法，该方法大大加快了对材料中发生的量子相互作用的计算。在新工作中，该小组专注于原子振动或声子之间的相互作用，即控制着广泛的材料特性，包括热传输，热膨胀和相变。可以扩展新的机器学习方法以计算所有量子相互作用，从而有可能使百科全书知识了解颗粒和激发在材料中的行为。
来源:英国物理学家网首页加州理工学院的科学家已经开发了一种基于人工智能（AI）的方法，该方法大大加快了对材料中发生的量子相互作用的计算。在新工作中，该小组专注于原子振动或声子之间的相互作用，即控制着广泛的材料特性，包括热传输，热膨胀和相变。可以扩展新的机器学习方法以计算所有量子相互作用，从而有可能使百科全书知识了解颗粒和激发在材料中的行为。
Scientists like Marco Bernardi, professor of applied physics, physics, and materials science at Caltech, and his graduate student Yao Luo (MS '24) have been trying to find ways to speed up the gargantuan calculations required to understand such particle interactions from first principles in real materials—that is, beginning with only a material's atomic structure and the laws of quantum mechanics.
材料科学去年，Bernardi和Luo开发了一种基于一种称为单数值分解（SVD）技术的数据驱动方法，以简化科学家用来代表材料中电子与声子之间相互作用的巨大数学矩阵。
开发了一种基于一种称为单数值分解的技术的数据驱动方法声子相互作用的情况更加复杂。这些相互作用是在称为张量的多维对象中编码的，在较高维度中的向量和矩阵的概括。这些张量的复杂性随涉及的颗粒数量而成倍增长，限制了科学家对涉及三个或更多声子的相互作用的理解。
机器学习 纸 物理评论信“四频相互作用的计算是一场噩梦，”伯纳迪说。 “对于复杂的材料，此任务将涉及为期数周的计算。现在我们可以在10秒内完成它们。”
张量 声子