智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
據(jù)杜克大學(xué)的研究人員的說(shuō)法，將已知的物理學(xué)融入機(jī)器學(xué)習(xí)算法可以幫助神秘的“黑匣子”獲得更高的透明度和對(duì)材料特性的洞察力。研究人員使用了一種復(fù)雜的機(jī)器學(xué)習(xí)算法來(lái)識(shí)別一類(lèi)被稱(chēng)為超材料的工程材料的特性，并預(yù)測(cè)它們?nèi)绾闻c電磁場(chǎng)相互作用。
該算法基本上被迫展示其工作，因?yàn)樗紫缺仨毧紤]超材料的已知物理限制。該方法不僅使算法能夠高精度地預(yù)測(cè)超材料的特性，而且與早期的方法相比，它做得更快，并且具有更多的洞察力。
該結(jié)果于2022 年5月13日發(fā)表在《先進(jìn)光學(xué)材料》雜志上。
杜克大學(xué)電氣和計(jì)算機(jī)工程教授Willie Padilla說(shuō)：“通過(guò)將已知物理學(xué)直接納入機(jī)器學(xué)習(xí)，該算法可以在更少的訓(xùn)練數(shù)據(jù)和更短的時(shí)間內(nèi)找到解決方案。雖然這項(xiàng)研究主要是展示該方法可以重建已知解決方案，但它也揭示了一些以前沒(méi)人知道的非金屬超材料的內(nèi)部工作原理。”
超材料是由許多單獨(dú)的工程特征組成的合成材料，它們通過(guò)它們的結(jié)構(gòu)而不是它們的化學(xué)共同產(chǎn)生自然界中不存在的特性。在這種情況下，超材料由類(lèi)似于樂(lè)高底板的大型硅圓柱網(wǎng)格組成。
根據(jù)圓柱體的尺寸和間距，超材料以各種方式與電磁波相互作用，例如吸收、發(fā)射或偏轉(zhuǎn)特定波長(zhǎng)。在新論文中，研究人員試圖建立一種稱(chēng)為神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型，以發(fā)現(xiàn)單圓柱體的一系列高度和寬度如何影響這些相互作用。但他們也希望它的答案有意義。
“神經(jīng)網(wǎng)絡(luò)試圖在數(shù)據(jù)中找到模式，但有時(shí)他們發(fā)現(xiàn)的模式不符合物理定律，這使得它創(chuàng)建的模型不可靠，”杜克大學(xué)電氣和計(jì)算機(jī)工程助理研究教授 Jordan Malof 說(shuō)。“通過(guò)強(qiáng)制神經(jīng)網(wǎng)絡(luò)遵守物理定律，我們阻止了它找到可能適合數(shù)據(jù)但實(shí)際上并不真實(shí)的關(guān)系。”
研究小組強(qiáng)加于神經(jīng)網(wǎng)絡(luò)的物理學(xué)稱(chēng)為洛倫茲模型——一組描述材料固有特性如何與電磁場(chǎng)共振的方程。該模型不是直接跳到預(yù)測(cè)氣缸的響應(yīng)，而是必須學(xué)會(huì)預(yù)測(cè)洛倫茲參數(shù)，然后用于計(jì)算氣缸的響應(yīng)。然而，加入這個(gè)額外的步驟說(shuō)起來(lái)容易做起來(lái)難。
Padilla 實(shí)驗(yàn)室的博士后研究員 Omar Khatib 說(shuō)：“當(dāng)你讓神經(jīng)網(wǎng)絡(luò)更具可解釋性時(shí)，這在某種意義上是我們?cè)谶@里所做的，微調(diào)可能更具挑戰(zhàn)性。我們肯定很難優(yōu)化訓(xùn)練來(lái)學(xué)習(xí)模式。”
然而，一旦模型開(kāi)始工作，它就被證明比該小組為相同任務(wù)創(chuàng)建的先前神經(jīng)網(wǎng)絡(luò)更有效。特別是，該小組發(fā)現(xiàn)這種方法可以顯著減少模型確定超材料特性所需的參數(shù)數(shù)量。他們還發(fā)現(xiàn)，這種基于物理學(xué)的人工智能方法能夠自行發(fā)現(xiàn)。
當(dāng)電磁波穿過(guò)一個(gè)物體時(shí)，它在其旅程開(kāi)始時(shí)與它的交互方式不一定與它在其結(jié)束時(shí)完全相同。這種現(xiàn)象被稱(chēng)為空間色散。由于研究人員必須調(diào)整空間色散參數(shù)以使模型準(zhǔn)確工作，他們發(fā)現(xiàn)了他們以前不知道的過(guò)程物理學(xué)的見(jiàn)解。
“現(xiàn)在我們已經(jīng)證明這是可以做到的，我們希望將這種方法應(yīng)用于物理未知的系統(tǒng)，”Padilla說(shuō)。
“很多人都在使用神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)材料特性，但從模擬中獲得足夠的訓(xùn)練數(shù)據(jù)是一個(gè)巨大的痛苦，”Malof 補(bǔ)充道。“這項(xiàng)工作還展示了一條創(chuàng)建不需要太多數(shù)據(jù)的模型的途徑，這在所有方面都很有用。”
原標(biāo)題：研究：向人工智能教授物理學(xué)可以讓它自己做出新的發(fā)現(xiàn)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
