連日來人工智能用于逆設(shè)計納米顆粒 以發(fā)出特定的顏色光譜向來一不斷的有小伙伴關(guān)注，不僅如此還衍生出了各大相關(guān)話題，那么跟著小編來看看人工智能用于逆設(shè)計納米顆粒 以發(fā)出特定的顏色光譜以及它的相關(guān)資訊吧！

麻省理工學(xué)院的物理學(xué)家開辟的一項新技術(shù)可能會在某天提供一種定制設(shè)計具有所需特性的多層納米粒子的方法，該納米粒子可能用于顯示器，隱身系統(tǒng)或生物醫(yī)學(xué)設(shè)備。它還可能以某些情況下比現(xiàn)有方法快幾個數(shù)量級的方式幫助物理學(xué)家解決各種棘手的研究問題。

這項創(chuàng)新使用了一種人工智能形式的計算神經(jīng)網(wǎng)絡(luò)來“學(xué)習(xí)”納米粒子的結(jié)構(gòu)如何影響其行為，在這種情況下，它是基于數(shù)千個訓(xùn)練示例來散射不同顏色的光的方式。然后，在了解了這種關(guān)系之后，該程序?qū)嶋H上可以向后運行，以設(shè)計具有所需的光散射屬性集的粒子-此過程稱為逆設(shè)計。

麻省理工學(xué)院高級約翰·皮里佛(John Peurifoy)，研究附屬機構(gòu)沉一塵(Ichen Shen)，研究生李靜，物理學(xué)教授馬林·索爾賈西奇(Marin Soljacic)等人的論文在《科學(xué)發(fā)展》雜志上發(fā)表了這些發(fā)現(xiàn)。

Soljacic說，雖然這種方法最終可能會導(dǎo)致實際應(yīng)用，但這項工作主要具有科學(xué)意義，可以作為一種預(yù)測各種納米工程材料的物理特性的方法，而無需通常用于解決此類問題的計算密集型仿真過程。

Soljacic表示，目標(biāo)是研究神經(jīng)網(wǎng)絡(luò)，該領(lǐng)域近年來取得了很大的進步，并引起了人們的興奮，他說：“我們是否可以使用其中一些技術(shù)來幫助我們進行物理研究?；旧希嬎銠C是否“智能”到足以使它們能夠執(zhí)行一些更智能的任務(wù)來幫助我們理解和使用某些物理系統(tǒng)?”

為了解釋這個想法，他們使用了一個相對簡單的物理系統(tǒng)。“為了了解哪種技術(shù)合適，并了解其局限性以及如何最好地利用它們，我們在一個特定的納米光子系統(tǒng)上使用了神經(jīng)網(wǎng)絡(luò)，該系統(tǒng)是球形同心納米粒子。” 納米顆粒像洋蔥一樣分層，但是每一層都由不同的材料制成并且具有不同的厚度。

納米粒子的尺寸可與可見光的波長相比或更小，并且不同顏色的光從這些粒子上散射的方式取決于這些層的細(xì)節(jié)以及入射光束的波長。對于具有多層的納米顆粒，計算所有這些影響可能是多層多層納米顆粒的一項繁重的計算任務(wù)，并且隨著層數(shù)的增加，復(fù)雜性變得越來越差。

研究人員希翼了解神經(jīng)網(wǎng)絡(luò)是否能夠預(yù)測新粒子散射光的顏色的方式-不僅是通過在已知示例之間進行插值，而且是通過實際找出一些同意 神經(jīng)網(wǎng)絡(luò)進行判斷的基本模式。

Peurifoy說：“模擬非常精確，因此當(dāng)您將它們與實驗進行比較時，它們都會一點一點地重現(xiàn)。” “但是它們在數(shù)值上是相當(dāng)密集的，因此需要花費相當(dāng)長的時間。如果要在神經(jīng)網(wǎng)絡(luò)中展示這些粒子的示例，許多不同的粒子，那么我們想在這里看到的是，神經(jīng)網(wǎng)絡(luò)是否可以進展“直覺”。”

固然，神經(jīng)網(wǎng)絡(luò)能夠很好地預(yù)測光散射與波長的關(guān)系圖的精確模式-并非完美，但非常接近，而且所需時間更少。Jing說，神經(jīng)網(wǎng)絡(luò)模擬“現(xiàn)在比精確模擬要快得多”。“因此，現(xiàn)在您可以使用神經(jīng)網(wǎng)絡(luò)代替真實的模擬，這將為您提供相當(dāng)準(zhǔn)確的預(yù)測。但這是有代價的，而代價是我們必須首先訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后為此，我們不得不提供大量示例。”

但是，一旦對網(wǎng)絡(luò)進行了訓(xùn)練，任何將來的仿真都將獲得加速的全部好處，因此它對于需要重復(fù)仿真的情況可能是一個實用的工具。但是該項目的真正目標(biāo)是學(xué)習(xí)方法論，而不僅僅是這個特定的應(yīng)用程序。Soljacic說：“我們對這個特定系統(tǒng)感興趣的主要原因之一是讓我們了解這些技術(shù)，而不僅僅是模擬納米顆粒。”

下一步是實質(zhì)上以相反的方式運行程序，以一組所需的散射特性作為起點，然后查看神經(jīng)網(wǎng)絡(luò)是否可以計算出實現(xiàn)該輸出所需的納米顆粒層的確切組合。

Soljacic說：“在工程學(xué)中，已經(jīng)為逆設(shè)計開辟了許多不同的技術(shù)，這是一個巨大的研究領(lǐng)域。” “但是通常要設(shè)置一個給定的逆設(shè)計問題需要花費一些時間，因此在許多情況下，您必須是該領(lǐng)域的專家，然后有時甚至花數(shù)月的時間來解決它。”

但是借助團隊訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)，“我們對此沒有做任何特別的準(zhǔn)備。我們說，'好吧，讓我們嘗試將其向后運行。' 令人驚訝的是，當(dāng)我們將其與其他一些更標(biāo)準(zhǔn)的逆向設(shè)計方法進行比較時，這是最好的方法之一。” “它實際上比傳統(tǒng)的逆設(shè)計要快得多。”

共同作者沉說：“我們這樣做的最初動機是建立一個通用工具箱，任何不是光子學(xué)專家的受過良好教育的人都可以使用……這是我們最初的動機，顯然在這種情況下效果很好。”

某些逆設(shè)計仿真中的加速可能非常重要。Peurifoy說：“很難對蘋果進行精確的比較，但是您可以有效地說，您獲得了數(shù)百倍的收益。因此，收益非?？捎^，在某些情況下，從幾天到幾分鐘。”