Une équipe de recherche dirigée par Oak Ridge National Laboratory a développé une nouvelle méthode pour découvrir les origines atomiques d'un comportement matériel inhabituel. Cette approche utilise l'apprentissage en profondeur bayésienne, une forme d'intelligence artificielle qui combine la théorie des probabilités et les réseaux de neurones pour analyser des ensembles de données complexes avec une efficacité exceptionnelle.
La technique réduit le temps nécessaire pour les expériences. Il aide les chercheurs à explorer largement les régions d'échantillons de régions et rapidement sur des caractéristiques importantes qui présentent des propriétés intéressantes.
« Cette méthode permet d'étudier les propriétés d'un matériau avec une efficacité beaucoup plus grande », a déclaré Ganesh Narasimha d'Ornl. « Habituellement, nous devons scanner une grande région, puis plusieurs petites régions, et effectuer une spectroscopie, qui prend beaucoup de temps. Ici, l'algorithme AI prend le contrôle et fait ce processus automatiquement et intelligemment. »
L'étude a exploré l'arséniure de zinc Europium, un semi-métal magnétique connu pour ses comportements électroniques uniques; Cependant, la méthode est généralisable sur une grande variété de matériaux.
En utilisant la microscopie à tunneling à balayage avancé, les chercheurs ont dévoilé les connexions entre les structures atomiques et les propriétés électroniques. Cette approche rationalisée simplifie le processus de découverte et fait progresser les capacités du pays liées à l'intelligence artificielle et à la science quantique.
Les résultats complets sont disponibles en MATÉRIAUX DE COMPORTATION NPJ.
