导航菜单

更快的材料发现 更聪明的实验

导读 来自布鲁克海文国家实验室和美国能源部劳伦斯伯克利国家实验室的科学家团队设计、创建并成功测试了一种新算法,以做出更智能的科学测量决策
2021-08-19 09:10:34

来自布鲁克海文国家实验室和美国能源部劳伦斯伯克利国家实验室的科学家团队设计、创建并成功测试了一种新算法,以做出更智能的科学测量决策。该算法是人工智能(AI)的一种形式,它可以做出独立的决策来定义和执行实验的下一步。该团队在2019年8月14日发表在《科学报告》上的一篇论文中描述了他们新测量工具的功能和灵活性。

从伽利略和牛顿到最近发现的引力波,数百年来,了解我们周围世界的科学实验已经成为我们技术进步的动力。改进研究人员进行实验的方式将对这些实验产生新技术的适用结果的速度产生巨大影响。

在过去的几十年里,研究人员通过自动化和越来越多的快速测量工具加速了他们的实验。然而,一些最有趣和最重要的科学挑战——例如为新计算机创造改进的电池材料或为新计算机创造新的量子材料——仍然需要非常苛刻和耗时的实验。

通过创建一个新的决策算法作为全自动实验设置的一部分,位于布鲁克海文的两个能源部科学办公室用户设施——功能纳米材料中心(CFN)和位于伯克利实验室的国家同步加速器光源二(NSLS二)——能源研究和应用高等数学中心(CAMERA)的跨学科团队提供了以更有效的方式研究这些挑战的可能性。

复杂性的挑战

许多实验的目标是获得关于所研究材料的知识。科学家有一种经过充分测试的方法:他们收集材料样本,并测量它们对环境变化的反应。

对于NSLS二号和CFN等用户设施的科学家来说,标准方法是手动扫描给定实验的测量值,以确定他们可能想要进行实验的下一个区域。然而,在这些设施中获得高端材料表征工具的机会有限,因此测量时间非常宝贵。研究团队可能只需要几天时间来测量他们的材料,所以他们需要充分利用每次测量。

CAMERA的博士后学者、这项研究的第一作者马库斯诺瓦克(Marcus Noack)说:“实现最少测量次数和最高质量的关键是在具有极大不确定性的地方。"在那里测量将最有效地减少整个模型的不确定性."

正如合著者、CFN科学家凯文雅戈指出的那样,“最终目标不仅是更快地获得数据,而且是提高我们收集的数据质量。我认为是实验主义者从微观管理向更高层次管理的过渡。科学家不必决定下一步在样本上测量哪个位置,而是要考虑整体情况,这也是科学家们最终努力的方向。”

“这种新方法是人工智能的一个应用例子,”NSLS二号的合著者和科学家福田正夫说。“决策算法正在取代人类实验者的直觉,扫描数据并对实验应该如何进行做出明智的决定。”

动画显示了传统网格测量(左)和由新开发的决策算法指导的测量(右)之间的比较。对比表明,该算法能够识别样本的边缘和内部,并将测量结果集中在这些区域,从而获得更多关于样本的知识。图片来源:布鲁克海文国家实验室

信息多信息少?

在实践中,在开始实验之前,科学家定义了一系列他们希望从测量中获得的目标。设定这些目标后,算法将在实验过程中查看之前测量的数据,以确定下一次测量。当寻找最佳的下一个测量值时,该算法会创建一个替代的数据模型,这是一个关于材料在下一个可能步骤中的行为的有根据的猜测,并为每个可能的下一步计算不确定性——基本上是它的猜测有多自信。在此基础上,选择最不确定的选项进行下一次测量。这里的技巧是在下一次测量中选择最不确定的步骤。该算法最大化了通过测量获得的知识量。该算法不仅可以最大化测量过程中的信息增益,

“基本思路是,经过一系列实验,怎么能自动选择次优的呢?”CAMERA的主管、该研究的合著者James Sethian说。“Marcus建立了一个世界,根据你之前的实验建立了一个近似的替代模型,并建议了下一步尝试的最佳或最合适的实验。”

我们是怎么到这里的

为了实现自主实验,团队必须处理三个重要部分:数据采集自动化、实时分析,当然还有决策算法。

“这是这次合作令人兴奋的一部分,”福托说。“我们都提供了必不可少的部分:CAMERA团队致力于决策算法,来自CFN的Kevin开发了实时数据分析,我们的NSLS-II为测量提供了自动化。”

该团队首先在NSLS二号的复杂物质散射光束线上实现了他们的决策算法,CFN和NSLS二号进行了合作。该仪器提供超亮的x光来研究各种材料的纳米结构。作为仪器的主要束线科学家,福托设计了具有自动化功能的束线。束线提供了样品交换机器人、自动样品全方位移动以及许多其他有用的工具,以确保快速测量。结合雅戈的实时数据分析,光束线设计非常适合首次“智能”实验。

第一个“智能rdq”

uo;实验

该团队进行的第一个完全自主的实验是绘制一个液滴的周长,其中纳米颗粒使用CMS光束线上的小角度X射线散射技术进行分离。在小角度X射线散射过程中,科学家们在样品上照射明亮的X射线,并且根据样品的原子到纳米级结构,X射线在不同方向上反射。然后科学家使用大型探测器捕获散射的X射线并计算照射点处样品的特性。在第一个实验中,科学家将测量样本的标准方法与新决策算法调用时的测量结果进行了比较。该算法能够识别液滴的区域并聚焦在其边缘和内部部分而不是背景上。

“在我们最初的成功之后,我们想要更多地应用这个算法,所以我们联系了一些用户,并建议在他们的科学问题上测试我们的新算法,”Yager说。“他们说是的,从那以后我们测量了各种样品。其中一个最有趣的是对一个样品的研究,该样品被制造成包含一系列不同的材料类型。因此,不是制作和测量大量的样品和也许缺少一个有趣的组合,用户制作了一个包含所有可能组合的单个样本。我们的算法能够有效地探索这种巨大的多样性组合,“他说。

下一步是什么?

在第一次成功的实验后,科学家们计划进一步改进算法,从而进一步改进其对科学界的价值。他们的一个想法是使算法具有“物理意识” - 从已知的所研究材料的任何方面获得优势 - 因此该方法可以更有效。正在进行的另一项开发是在新材料的合成和处理过程中使用该算法,例如,为了理解和优化与先进制造相关的过程,因为这些材料被结合到现实世界的设备中。该团队还在考虑更大的图景,并希望将自主方法转移到其他实验设置。

“我认为用户将NSLS-II的光束线或CFN的显微镜视为强大的表征工具。我们正试图将这些功能转变为强大的材料发现设施,”Fukuto说。

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢:

最新文章: