科学家建立最新算法，能够自主洞察电池腐蚀问题-凯发官网入口

美国能源部(doe)阿贡(argonne)国家实验室的研究人员开发了一种新技术，autophasenn，可以加速从x射线实验中发现的模式中求解材料结构。这项技术能够使研究人员实时研究例如电池的腐蚀或充放电的某些特性。autophasenn基于一种叫做机器学习的方法，该方法根据特定的实验数据训练算法，然后使用它来选择当前实验最可能的结果。

autophasenn是“无监督”机器学习的一个例子，这意味着计算机算法从自己的经验中学习如何更准确、更有效地进行计算，而不必使用通常需要人工干预的已经计算出的标记凯发官网入口的解决方案进行训练。autophasenn这样的机器学习凯发官网入口的解决方案将是未来aps以及全球类似设施所需的更快速数据分析的重要组成部分。

在这个案例中使用的数据是通过位于阿贡(argonne)美国能源部科学办公室的用户设施——高级光子源(advanced photon source, aps)，将超明亮的x射线光束照射在材料上，并在它们反射时捕获光，这个过程被称为衍射。要获得材料结构的信息，科学家不仅需要获取衍射信号的振幅信息，还要获取衍射信号的相位信息。argonne公司的纳米科学家和合著者henry chan说，因为用来照亮样品的x射线束是相干的——这意味着它们最初都共享相同的相位——无论衍射导致的相位发生了什么变化，都可以映射到样品本身。

“相位检索对于理解结构至关重要——大部分相关信息都可以在相位中找到，”该研究的第一作者、阿贡x射线物理学家yudong yao说，“对于我们正在做的这种衍射，获取相位信息是一个挑战;这就像仅仅根据你在每一块上看到的颜色来弄清楚所有的部件是如何组合在一起的。”

该研究的作者阿贡(argonne)计算科学家和小组组长mathew cherukara说：“本质而言，我们正在进行一系列观察，并试图确定形成这些现象所需的条件。我们的算法不是通过基于先验知识的反复试验和修改的过程来解决谜题，而是通过一个步骤将碎片组装起来。”通过无监督神经网络，算法可以学会将碎片拼接在一起，所得到的网络是快速、准确的，并且能够向科学用户实时提供3d图像，在电池研究中还能够自主洞察电池腐蚀的某些特性。

该研究论文题为"autophasenn: unsupervised physics-aware deep learning of 3d nanoscale bragg coherent diffraction imaging"，已发表在computational materials上。主要作者为阿贡(argonne)计算科学家和小组组长mathew cherukara。

前瞻经济学人app资讯组

参考资料：doi: 10.1038/s41524-022-00803-w

更多本行业研究分析详见前瞻产业研究院《》同时前瞻产业研究院还提供产业大数据、产业研究、政策研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商指南、ipo募投可研、ipo业务与技术撰写、ipo工作底稿咨询等凯发官网入口的解决方案。