AI otkriva atomske defekte u materijalima

U biologiji su defekti općenito loši. Ali u znanosti o materijalima, defekti se mogu namjerno podesiti kako bi se materijalima dala korisna nova svojstva. Danas se defekti atomske razmjere pažljivo uvode tijekom proizvodnog procesa proizvoda poput čelika, poluvodiča i solarnih ćelija kako bi se poboljšala čvrstoća, kontrolirala električna vodljivost, optimizirale performanse i još mnogo toga.

No čak i kada su defekti postali moćan alat, točno mjerenje različitih vrsta defekata i njihove koncentracije u gotovim proizvodima predstavlja izazov, posebno bez rezanja ili oštećenja konačnog materijala. Bez poznavanja defekata u njihovim materijalima, inženjeri riskiraju izradu proizvoda koji loše funkcioniraju ili imaju neželjena svojstva.

Istraživači s MIT-a sada su izgradili model umjetne inteligencije sposoban klasificirati i kvantificirati određene nedostatke koristeći podatke iz neinvazivne tehnike raspršenja neutrona. Model, koji je obučen na 2000 različitih poluvodičkih materijala, može istovremeno otkriti do šest vrsta točkastih defekata u materijalu, što bi bilo nemoguće korištenjem samo konvencionalnih tehnika.

Napravili su parove uzoraka svakog materijala, jedan dopiran za defekte, a jedan ostavljen bez defekata, a zatim su koristili tehniku ​​neutronskog raspršenja koja mjeri različite vibracijske frekvencije atoma u čvrstim materijalima. Na rezultatima su trenirali model strojnog učenja.

Istraživači su usavršili svoj model, provjerili ga na eksperimentalnim podacima i pokazali da može mjeriti koncentracije defekata u leguri koja se često koristi u elektronici i u zasebnom supravodičkom materijalu.

Istraživači su također više puta dopirali materijale kako bi uveli više točkastih defekata i testirali granice modela, te su na kraju otkrili da može dati predviđanja o do šest defekata u materijalima istovremeno, s koncentracijama defekata od samo 0,2 posto.

Rezultati su bili uzbudljivi za istraživače, ali napominju da bi njihova tehnika mjerenja vibracijskih frekvencija neutronima bila teška za tvrtke za brzu primjenu u vlastitim procesima kontrole kvalitete.

Rad objavljen u časopisu Cell Matter možete pronaći na ovoj poveznici.