JJ胡教授回答了AI和材料科学等3个问题亚博网站首页

2019年10月9日

机器学习和人工智能正越来越多地在材料科学研究中使用。亚搏娱乐网页版登陆亚博网站首页胡教授，Olivetti公司和其他麻省理工学院教授和喇叭外将讨论使用机器学习在MRL的年度材料为期一天的研讨会在他们的研究见解和突破。亚搏娱乐网页版登陆

问：特别是利用机器学习技术光谱仪的工作。这种新方法是如何改变发现在材料科学的过程？亚博网站首页

A：基本上，我们开发出一种新技术，光谱仪，使我们能够大部件收缩到一个小的硅芯片上，仍然保持高性能。我们开发了一种算法，使我们能够提取与更好的信噪比的信息。我们已经验证了许多不同种类的频谱的算法。该算法识别通过比较两个重复测量，以减轻测量噪声的影响分离的光的颜色。该算法改进相比于教科书限制，称为瑞利范围由100％的分辨率。

问：你如何使用机器学习，以确定在镜头中红外光学天线阵列组成的为您的工作新的光学材料和设计？

A：我们正与在麻省大学[马萨诸塞大学]一组合作开发了深刻的学习算法设计“metasurfaces”，这是一种光学设备的地方，而不是使用传统的几何曲率结构，比方说，一个镜头，你可以使用特殊设计的光学天线的阵列，以赋予对入射光的相位延迟，因此，我们可以实现所有种类的功能的。与metasurfaces的一个大问题是，传统上，当人们将设计这些metasurfaces，他们会做它基本上是通过试验和错误。

我们已经建立了一个深刻的学习算法。该算法使我们能够与现有的数据训练它。因此，当我们训练它，最终算法变得“聪明”。该算法可以评估不规则的形状，超越常规的形状喜欢圆形和矩形的可操作性。它可以识别复杂的几何形状和电磁反应，这通常是不平凡之间潜在的联系，它可以比传统的全尺寸模拟更快找到这些隐藏的关系。该算法还可以筛选出的材料和功能的潜在组合，就不会工作。如果使用传统的方法，你要浪费大量的时间用尽所有可能的设计空间，然后得出这样的结论，但现在我们的算法可以真的很快告诉你。

问：其他什么进步促进材料科学利用机器学习的？亚博网站首页

A：我们看到的另一件事是现在，我们也有非常强大的，基于云的计算设施市售更容易访问。所以硬件，轻松访问，非常强大的计算资源，以及新算法的这种组合，这就是使我们能够做出新的创新。yabo21再次，例如，与metasurfaces，如果你看一下旧的设计，人们几乎使用常规的几何形状，如圆形，正方形，长方形，但是我们还有很多其他的社区，现在都移动到拓扑优化的光学设备。并设计这些结构，新的算法和强大的计算资源的组合是在三维空间设计像宏观，拓扑优化的光学器件巨大的关键。yabo21