名古屋大学的研究人员已经训练了一个人工智能，利用光学图像预测多晶材料中晶粒的方向，将分析时间从14小时大大减少到1.5小时。这一进展在《APL机器学习》中有详细介绍，有望彻底改变这些材料在电子和太阳能等行业的使用。
日本研究人员开发了一种人工智能，可以快速预测工业材料中的晶体取向，为更有效地使用多晶复合材料铺平了道路技术方面的问题。
由日本名古屋大学的研究人员领导的一个研究小组在预测晶体取向方面取得了重大突破。他们通过使用多晶材料的光学照片训练人工智能(ai)模型来实现这一目标。这项创新研究发表在《APL机器学习》杂志上。
的即时通讯晶体在工业中的重要性
晶体是许多机器的重要组成部分。工业中使用的常见材料含有多晶成分，包括金属合金、陶瓷和半导体。由于多晶是由许多晶体组成的，它们具有复杂的微观结构，并且它们的性能随晶粒取向的不同而变化很大。这对于太阳能电池、智能手机和电脑中使用的硅晶体尤为重要。
用人工智能技术预测晶粒取向的一个例子。颜色代表了纹理的方向。来源:Takuto Kojima博士
多晶材料分析中的挑战
“为了获得可以在工业上有效使用的多晶材料，需要控制和测量晶粒取向分布，”Noritaka Usami教授说。“然而，这受到昂贵的设备和测量大面积样品所需的时间电流技术的阻碍。”
人工智能在晶体取向预测中的创新应用
名古屋大学由工程研究生院的Usami教授和信息学研究生院的Hiroaki Kudo教授组成的团队与RIKEN合作，应用了一种机器学习模型，该模型通过从不同方向照射多晶硅材料表面来评估所拍摄的照片。他们发现人工智能成功地预测了晶粒取向分布。
研究人员从不同方向照射多晶硅材料的表面，拍摄了许多照片。这些照片被用来训练机器学习模型。来源:Takuto Kojima博士
效率和潜在的工业应用
Usami说:“这次测量所需的时间大约是1.5小时，用于拍摄光学照片、训练机器学习模型和预测方向，这比传统技术要快得多，传统技术大约需要14个小时。”“它还可以测量传统方法无法测量的大面积材料。”
Usami对该团队的技术在工业上的应用寄予厚望。Usami说:“这是一项将彻底改变材料开发的技术。“这项研究面向所有开发多晶材料的研究人员和工程师。这将有可能制造一个多晶材料的取向分析系统，该系统包含图像数据收集和基于机器学习的晶体取向预测模型。我们预计，许多生产多晶材料的公司都会安装这样的设备。”
参考文献:“基于机器学习的多晶材料晶体取向预测”，作者:Kyoka Hara, Takuto Kojima, Kentaro Kutsukake, Hiroaki Kudo和Noritaka Usami, 2024年5月24日，APL machine Learning。DOI: 10.1063/5.0138099
分享 推特 REDDIT 电子邮件 分享更多关于sciitechdaily
空间
科学
空间
生物学
科学
物理
空间
空间
