भौतिकविदों ने मशीन लर्निंग के साथ चुंबकीय मिश्र धातु गुणों की भविष्यवाणी करने का नया तरीका प्रस्तुत किया है
यह परमाणुओं के तथाकथित चुंबकीय क्षणों को ध्यान में रखकर संभव बनाया गया है जो चुंबकत्व के प्रभाव को जन्म देते हैं। अध्ययन वैज्ञानिक रिपोर्ट में प्रकाशित हुआ है और यह क्रोमियम नाइट्राइड के मॉडलिंग की दिशा में एक कदम है - धातु निर्माण, चिकित्सा उपकरण और प्रत्यारोपण में उपयोग की जाने वाली एक अल्ट्राहार्ड और संक्षारण प्रतिरोधी सामग्री ।
सामग्री का कंप्यूटर मॉडलिंग अक्सर गति और सटीकता के बीच संतुलन का कार्य होता है। न्यूनतम त्रुटि के साथ सामग्री संरचना और गुणों की भविष्यवाणी करने का स्वर्ण मानक क्वांटम यांत्रिक गणना है, जैसे श्रोडिंगर समीकरण को हल करना।
इन कठिन संगणनाओं में तेजी लाने के तरीके हैं, उनमें से सबसे लोकप्रिय है घनत्व कार्यात्मक सिद्धांत। जिस तरह से डीएफटी गणना समय बचाता है वह इस प्रकार है: इलेक्ट्रॉन तरंग फ़ंक्शन के संबंध में समीकरण को हल करने के बजाय, हम सबसे कम ऊर्जा अवस्था में तथाकथित कुल इलेक्ट्रॉन घनत्व पाते हैं। हालाँकि, वह भी केवल दसियों या सैकड़ों परमाणुओं वाले सिस्टम को सुपर कंप्यूटर पर मॉडल करने की अनुमति देता है।
बड़ी प्रणालियों को और अधिक सरलीकरण की आवश्यकता है: इलेक्ट्रॉनिक संरचना को अनदेखा करना और तथाकथित अंतर-परमाणु संपर्क क्षमता पर विचार करना, जो परमाणुओं के बीच बलों की विशेषता है। स्वाभाविक रूप से, यह किसी सामग्री के गुणों की भविष्यवाणी करने में कुछ सटीकता का त्याग करता है।
हाल के वर्षों में एक नए समाधान का उदय हुआ है जो दोनों दुनियाओं का सर्वोत्तम प्रदान करता है। यह क्वांटम यांत्रिक गणना की सटीकता को बरकरार रखता है और हजारों परमाणुओं की संख्या वाले सिस्टम के लिए भी गणना की गति को काफी बढ़ा देता है। एक लोकप्रिय दृष्टिकोण क्वांटम यांत्रिक गणना परिणामों पर प्रशिक्षित अंतर-परमाणु क्षमता प्राप्त करने के लिए मशीन लर्निंग का उपयोग करना है।
ऐसी क्षमताएँ उनके प्रयोगात्मक रूप से प्राप्त एनालॉग्स की तुलना में भौतिक गुणों की बेहतर भविष्यवाणी देती हैं। हालाँकि, मशीन लर्निंग इंटरटॉमिक क्षमताएं आवश्यक रूप से परमाणुओं के चुंबकीय क्षणों को ध्यान में नहीं रखती हैं, और इससे चुंबकीय सामग्री के मॉडलिंग में त्रुटियां हो सकती हैं।
ऐसी सामग्रियों के गुणों को मॉडल करने के लिए, एमआईपीटी और स्कोलटेक के भौतिकविदों और गणितज्ञों के एक समूह ने मशीन लर्निंग इंटरटॉमिक क्षमता प्राप्त करने के लिए अपनी मोमेंट टेन्सर पोटेंशियल विधि को अपडेट किया, इसे संस्करण एमएमटीपी में सामान्यीकृत किया। इस नए "चुंबकीय" एमटीपी का उपयोग पहले से ही लोहे की पैरा- और लौह-चुंबकीय अवस्था में ऊर्जा की भविष्यवाणी करने के लिए किया जा चुका है। साइंटिफिक रिपोर्ट्स में नया अध्ययन इस विधि को लोहे और एल्यूमीनियम के दो-घटक मिश्र धातु पर लागू करता है।
इवान नोविकोव, स्कोलटेक के एक वरिष्ठ अनुसंधान वैज्ञानिक और कार्यात्मक सामग्रियों के रासायनिक भौतिकी के एमआईपीटी विभाग के एक एसोसिएट प्रोफेसर ने टिप्पणी की, "हमारी टीम मशीन सीखने की क्षमता विकसित कर रही है जो सामग्री के गुणों का वर्णन करने के लिए आवश्यक क्वांटम यांत्रिक गणनाओं को लगभग तेज कर देती है। परिमाण के पाँच क्रम।
"पिछले तीन वर्षों में, चुंबकीय क्षण के साथ मशीन सीखने की संभावनाएं उभर रही हैं, और हमने अपना स्वयं का एमएमटीपी बनाया और इसे लोहे की प्रणाली पर मान्य किया। नए पेपर में, हमने दो-घटक प्रणाली पर क्षमता को मान्य करने की मांग की और क्षमता के प्रशिक्षण के लिए डेटासेट बनाने के लिए एल्गोरिदम प्रदर्शित करें।"
0 Comments