據(jù)外媒報道，來自西北工程學院和麻省理工學院的跨學科科學家團隊使用人工智能(AI)技術構建了一種新的、免費的、易于使用的工具從而讓科學家能加快發(fā)現(xiàn)和研究呈現(xiàn)金屬-絕緣體過渡(MIT)的材料的速度及識別新的特征來描述這類材料。

使微電子器件更快、更節(jié)能及設計出新的計算機架構的關鍵之一是發(fā)現(xiàn)具有可調(diào)諧電子性能的新材料。MIT的電阻率可能會表現(xiàn)出金屬或絕緣電子行為，而這取決于環(huán)境的性質。

盡管一些具有MIT特性的材料已經(jīng)應用于電子設備中，但已知的只有不到70種材料，另外，具有集成到新電子設備中所必需的性能的材料則更少。此外，由于各種各樣的機制，這些材料用電開關，使得獲得這類材料的一般理解非常困難。

“通過提供數(shù)據(jù)庫、在線分類器和一組新的特征，我們的工作為理解和發(fā)現(xiàn)這類材料開辟了新的途徑，”麥考密克工程學院材料與制造Morris E. Fine教授、該研究的論文研究者James Rondinelli說道，“此外，這項工作可以被其他科學家使用并應用于其他材料類別以加速發(fā)現(xiàn)和理解其他類別的量子材料。”

“我們的工具和模式的關鍵元素之一是，它們面向廣泛的受眾;就像人們不需要深入了解搜索算法就可以瀏覽互聯(lián)網(wǎng)一樣，科學家和工程師不需要了解機器學習就可以使用它們，”Rondinelli實驗室博士后研究員、該研究的首位合著者Alexandru Georgescu說道。

據(jù)悉，該研究小組于2021年7月6日在《Chemistry of Materials》上發(fā)表了相關論文--《Database, Features, and Machine Learning Model to Identify Thermally Driven Metal–Insulator Transition Compounds》。

美國西北工程大學工業(yè)工程和管理科學教授、這項研究的主要研究研究人員之一Daniel Apley指出：“這個免費的工具可以讓任何人快速獲得他們正在研究的材料是金屬、絕緣體還是金屬-絕緣體過渡化合物的概率估計。”

關鍵詞： 科學家 AI工具 電子材料 人工智能