智科眼

请选择以下任意方式登录

已有帐号?

验证码登录

微信登录

忘记密码
未收到验证码?
注册

微信注册

智科眼: 双语看懂新科研
材料科学 7510
Nanoengineers(Nanoengineers) at(at) the University(大学) of(of) California(加州) San(San) Diego(圣地亚哥) have(have) developed(开发) new(新的) deep(深度) learning(学习) models(模型) that(that) can(可以) accurately(准确) predict(预测) the properties(特性) of(of) molecules(分子) and() crystals(晶体).(.) By(By) enabling(实现) almost(几乎) instantaneous(瞬时) property(属性) predictions(预测),(,) these(这些) deep(深度) learning(学习) models(模型) provide(提供了) researchers(研究人员) the means(手段) to(to) rapidly(快速) scan(扫描) the nearly(几乎)-()infinite universe(无限宇宙) of(of) compounds(化合物) to(to) discover(发现) potentially(潜在) transformative(变革) materials(材料) for(for) various(各种) technological(技术) applications(应用),(,) such as(例如) high-energy(高能)-()density(密度) Li-(Li-)ion(离子) batteries(电池),(,) warm()-()white(白色) LEDs,(LEDs,) and() better(更好) photovoltaics(光伏发电).(.)
To(To) construct(构建) their(他们) models(模型),(,) a(a) team(团队) led(领导) by(by) nanoengineering(纳米工程) professor(教授) Shyue(Shyue) Ping() Ong(Ong) at(at) the UC(UC) San(San) Diego(圣地亚哥) Jacobs(雅各布斯) School(学院) of(of) Engineering(工程) used(使用) a(a) new(新的) deep(深度) learning(学习) framework(框架) called(称为) graph(图形) networks(网络),(,) developed(开发) by(by) Google(谷歌) DeepMind,(DeepMind,) the brains(大脑) behind(背后) AlphaGo(AlphaGo) and() AlphaZero(AlphaZero) .(.) Graph(图形) networks(网络) have(have) the potential(可能) to(to) expand(扩展) the capabilities(功能) of(of) existing(现有) AI(AI) technology(技术) to(to) perform(执行) complicated(复杂) learning(学习) and() reasoning(推理) tasks(任务) with(with) limited(有限) experience(经验) and() knowledge(知识)()something(东西) that(that) humans(人类) are(are) good(良好) at.(at.)
For(For) materials(材料) scientists(科学家) like() Ong(Ong),(,) graph(图形) networks(网络) offer(提供) a(a) natural(自然) way(方式) to(to) represent(表示) bonding(键合) relationships(关系) between(between) atoms(原子) in(in) a(a) molecule(分子) or() crystal(晶体) and() enable(能够) computers(计算机) to(to) learn(学习) how(如何) these(这些) relationships(关系) relate(关联) to(to) their() chemical(化学) and() physical properties(物理性能).(.)
The new() graph(图形) network(网络)-()based(基于) models(模型),(,) which(which) Ong(Ong)'s('s) team(团队) dubbed(称为) MatErials(材料) Graph(图形) Network(网络) (MEGNet)((MEGNet)) models(模型),(,) outperformed(优于) the state(状态) of(of) the art(art) in(in) predicting(预测) 11(11) out of(out of) 13(13) properties(属性) for(for) the 133,000(133,000) molecules(分子) in(in) the QM9(QM9) data set(数据集).(.) The team(团队) also() trained(训练) the MEGNet(MEGNet) models(模型) on(on) about(about) 60,000(60,000) crystals(晶体) in(in) the Materials(材料) Project(项目).(.) The models(模型) outperformed(优于) prior() machine learning(机器学习) models(模型) in(in) predicting(预测) the formation energies(成形能),(,) band gaps(带隙) and() elastic moduli(弹性模量) of(of) crystals(晶体).(.)
The team(团队) also() demonstrated(展示) two(两种) approaches(方法) to(to) overcome(克服) data(数据) limitations(限制) in(in) materials science(材料科学) and() chemistry(化学).(.) First(首先),(,) the team(团队) showed(表明) that(that) graph(图形) networks(网络) can() be(be) used(使用) to(to) unify(统一) multiple(多个) free energy(自由能) models(模型),(,) resulting(导致) in(in) a(a) multi(多次)-()fold(折叠) increase(增加) in(in) training(训练) data(数据).(.) Second(其次),(,) they(他们) showed(表明) that(that) their(他们) MEGNet(MEGNet) models(模型) can(可以) effectively(有效地) learn(学习) relationships(关系) between(between) elements(元素) in(in) the periodic table(周期表).(.) This(这种) machine(机器)-()learned(学习) information(信息) from(from) a(a) property(属性) model(模型) trained(训练) on(on) a(a) large() data set(数据集) can(可以) then(然后) be(be) transferred(转移) to(to) improve(改进) the training(训练) and() accuracy(准确性) of(of) property(属性) models(模型) with(with) smaller amounts(少量) of(of) data(数据)()this() concept(概念) is(is) known(已知) in(in) machine learning(机器学习) as(as) transfer(传输) learning(学习).(.)

新闻订阅

  • 科学
  • 技术
  • 医学

新闻分享