ปรับปรุงแมชชีนเลิร์นนิงสำหรับการออกแบบวัสดุ

สึกุบะ ประเทศญี่ปุ่น 30 ก.ย. 2021 – (ACN Newswire) – วิธีการใหม่สามารถฝึกโมเดลการเรียนรู้ด้วยเครื่องเพื่อทำนายคุณสมบัติของวัสดุโดยใช้ข้อมูลที่ได้จากการวัดอย่างง่ายเท่านั้น ประหยัดเวลาและค่าใช้จ่ายเมื่อเทียบกับที่ใช้อยู่ในปัจจุบัน ได้รับการออกแบบโดยนักวิจัยจากสถาบันวิทยาศาสตร์วัสดุแห่งชาติของญี่ปุ่น (NIMS), Asahi KASEI Corporation, Mitsubishi Chemical Corporation, Mitsui Chemicals และ Sumitomo Chemical Co และรายงานในวารสาร Science and Technology of Advanced Materials: Methods

วิธีการใหม่นี้สามารถทำนายข้อมูลการทดลองที่วัดได้ยาก เช่น โมดูลัสแรงดึง โดยใช้ข้อมูลการทดลองที่วัดได้ง่าย เช่น การเลี้ยวเบนของรังสีเอกซ์ นอกจากนี้ยังช่วยออกแบบวัสดุใหม่หรือนำวัสดุที่รู้จักไปแล้วกลับมาใช้ใหม่

"การเรียนรู้ด้วยเครื่องเป็นเครื่องมือที่มีประสิทธิภาพในการทำนายองค์ประกอบขององค์ประกอบและกระบวนการที่จำเป็นในการประดิษฐ์วัสดุที่มีคุณสมบัติเฉพาะ" Ryo Tamura นักวิจัยอาวุโสของ NIMS ซึ่งเชี่ยวชาญด้านสารสนเทศด้านวัสดุอธิบาย

โดยปกติจำเป็นต้องใช้ข้อมูลจำนวนมหาศาลเพื่อฝึกโมเดลการเรียนรู้ของเครื่องเพื่อจุดประสงค์นี้ ใช้ข้อมูลสองประเภท ตัวบ่งชี้ที่ควบคุมได้คือข้อมูลที่สามารถเลือกได้โดยไม่ต้องสร้างวัสดุ เช่น องค์ประกอบทางเคมีและกระบวนการที่ใช้ในการสังเคราะห์ แต่ตัวอธิบายที่ควบคุมไม่ได้ เช่น ข้อมูลการเลี้ยวเบนของรังสีเอกซ์ สามารถรับได้โดยการสร้างวัสดุและทำการทดลองกับมันเท่านั้น

"เราได้พัฒนาวิธีการออกแบบการทดลองที่มีประสิทธิภาพเพื่อทำนายคุณสมบัติของวัสดุได้แม่นยำยิ่งขึ้นโดยใช้ตัวอธิบายที่ไม่สามารถควบคุมได้" ทามูระกล่าว

วิธีการนี้เกี่ยวข้องกับการตรวจสอบชุดข้อมูลของตัวอธิบายที่ควบคุมได้เพื่อเลือกวัสดุที่ดีที่สุดพร้อมคุณสมบัติของเป้าหมายเพื่อใช้ในการปรับปรุงความแม่นยำของแบบจำลอง ในกรณีนี้ นักวิทยาศาสตร์ได้สอบปากคำฐานข้อมูลของโพลิโพรพิลีน 75 ชนิด เพื่อเลือกสารที่มีคุณสมบัติเชิงกลจำเพาะ

จากนั้นจึงเลือกวัสดุและดึงคำอธิบายที่ไม่สามารถควบคุมได้บางส่วน เช่น ข้อมูลการเลี้ยวเบนของรังสีเอกซ์และคุณสมบัติทางกล

ข้อมูลนี้ถูกเพิ่มลงในชุดข้อมูลปัจจุบันเพื่อฝึกโมเดลการเรียนรู้ของเครื่องให้ดีขึ้นโดยใช้อัลกอริธึมพิเศษในการทำนายคุณสมบัติของวัสดุโดยใช้ตัวอธิบายที่ไม่สามารถควบคุมได้เท่านั้น

"การออกแบบการทดลองของเราสามารถใช้ในการทำนายข้อมูลการทดลองที่วัดได้ยากโดยใช้ข้อมูลที่วัดได้ง่าย เร่งความสามารถของเราในการออกแบบวัสดุใหม่หรือเพื่อนำวัสดุที่รู้จักแล้วนำกลับมาใช้ใหม่ ในขณะที่ลดต้นทุน" Tamura กล่าว วิธีการทำนายยังช่วยปรับปรุงความเข้าใจว่าโครงสร้างของวัสดุส่งผลต่อคุณสมบัติเฉพาะอย่างไร

ทีมงานกำลังทำงานเพื่อเพิ่มประสิทธิภาพแนวทางของพวกเขาต่อไปโดยร่วมมือกับผู้ผลิตสารเคมีในญี่ปุ่น

ข้อมูลเพิ่มเติม
เรียว ทามูระ
สถาบันวัสดุศาสตร์แห่งชาติ (NIMS)
อีเมล: tamura.ryo@nims.go.jp

เกี่ยวกับวิทยาศาสตร์และเทคโนโลยีของวัสดุขั้นสูง: วิธีการ (วิธี STAM)

วิธีการของ STAM เป็นวารสารน้องสาวแบบเปิดที่เข้าถึงได้ของ Science and Technology of Advanced Materials (STAM) และมุ่งเน้นไปที่วิธีการและเครื่องมือฉุกเฉินสำหรับการปรับปรุงและ/หรือเร่งการพัฒนาวัสดุ เช่น วิธีการ เครื่องมือ เครื่องมือวัด การสร้างแบบจำลอง ข้อมูลการใส่ข้อมูลสูง การรวบรวม ข้อมูลวัสดุ/กระบวนการ ฐานข้อมูล และการเขียนโปรแกรม https://www.tandfonline.com/STAM-M

ดร.โยชิคาสึ ชิโนฮาระ
ผู้อำนวยการสำนักพิมพ์วิธี STAM
อีเมล: SHINOHARA.Yoshikazu@nims.go.jp

ข่าวประชาสัมพันธ์เผยแพร่โดย Asia Research News for Science and Technology of Advanced Materials

หัวข้อ: สรุปข่าวประชาสัมพันธ์
ที่มา: วิทยาศาสตร์และเทคโนโลยีของวัสดุขั้นสูง
ภาค: วิทยาศาสตร์และนาโนเทค
https://www.acnnewswire.com

จาก Asia Corporate News Network

ลิขสิทธิ์© 2021 ACN Newswire สงวนลิขสิทธิ์. แผนกหนึ่งของ Asia Corporate News Network

ที่มา: https://www.acnnewswire.com/press-release/english/69945/