国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

橡樹嶺實驗室Nat. Mach. Intell.: 主動學習用于發(fā)現(xiàn)鐵電材料結(jié)構(gòu)-性能關(guān)系

鐵電材料中結(jié)構(gòu)和拓撲缺陷的新興涌現(xiàn)功能支撐了其從疇壁電子到高介電和機電響應的極其廣泛的應用范圍，許多功能已通過局部掃描探針顯微鏡方法被發(fā)現(xiàn)和量化。然而到目前為止，搜索一直是基于試錯法或根據(jù)直覺/預先假設使用疇壁結(jié)構(gòu)等輔助信息來識別潛在的感興趣對象，隨后進行人工探索。

在此，美國橡樹嶺國家實驗室Maxim A. Ziatdinov, Sergei V. Kalinin等人開發(fā)和實施了基于深度核學習（DKL）的實驗工作流程，用于主動發(fā)現(xiàn)鐵電材料中的結(jié)構(gòu)-性能關(guān)系。其中，DKL基于高斯過程（GP）回歸，可以表示為GP與深度神經(jīng)網(wǎng)絡的組合。與使用單個（或少量）標量描述符來引導導航過程且不包含先驗知識的經(jīng)典貝葉斯優(yōu)化（BO）策略相比，該方法使用結(jié)構(gòu)圖像中包含的數(shù)據(jù)來識別光譜測量的位置，并同時識別新位置建立結(jié)構(gòu)-性能關(guān)系。

這一發(fā)現(xiàn)過程由預測行為及其不確定性構(gòu)成的獲取函數(shù)指導并反映了實驗的目標，該目標可以是特定性能的優(yōu)化、與給定模型的相似性或新穎性發(fā)現(xiàn)。通過這種方式，作者結(jié)合相關(guān)機器學習方法建立多維數(shù)據(jù)集之間的關(guān)系并獲得相應的不確定性，并將基于人類物理的決策在獲取函數(shù)的選擇中進行編碼。

圖1. 隨機采樣數(shù)據(jù)的DKL重建

為了說明DKL在實驗中的應用原理，作者進行了壓電響應力顯微鏡（PFM）測量實驗以研究極化滯后與鐵電/鐵彈性疇結(jié)構(gòu)之間的關(guān)系。結(jié)果表明，當DKL由場內(nèi)和場外磁滯回線引導時顯示出不同的探索路徑和采樣點，這意味著場內(nèi)和場外磁滯回線受不同機制支配。

此外，原則上DKL的深度神經(jīng)網(wǎng)絡部分可在來自相同或相似系統(tǒng)的先前實驗數(shù)據(jù)上進行預訓練，這在某種程度上相當于遷移學習，然而這需要對分布外漂移效應進行嚴格分析（如由于不同的顯微鏡設置）。同樣，該工作流程可擴展到其他掃描探針顯微鏡（SPM）模式，包括電流-電壓曲線或弛豫測量。

總之，這項研究提出的 DKL方法是通用的，可應用于廣泛的現(xiàn)代成像和光譜方法，此外還可用于更復雜的參數(shù)空間，如組合擴展庫或分子系統(tǒng)中的材料發(fā)現(xiàn)等。

圖2. 基于DKL-BO的自動化PFM實驗

Experimental discovery of structure–property relationships in ferroelectric materials via active learning, Nature Machine Intelligence 2022. DOI: 10.1038/s42256-022-00460-0

原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請注明來源華算科技，注明出處：http://m.xiubac.cn/index.php/2023/10/14/a1e7e80708/

国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

橡樹嶺實驗室Nat. Mach. Intell.: 主動學習用于發(fā)現(xiàn)鐵電材料結(jié)構(gòu)-性能關(guān)系

相關(guān)推薦