您的位置:首页 >综合经验 >正文

用于设计具有所需光学特性的材料的机器学习解决方案

摘要 了解物质如何与光相互作用(其光学特性)对于多种能源和生物医学技术至关重要,例如靶向药物输送,量子点,燃料燃烧和生物质裂解。但是计算这...

了解物质如何与光相互作用(其光学特性)对于多种能源和生物医学技术至关重要,例如靶向药物输送,量子点,燃料燃烧和生物质裂解。但是计算这些特性需要大量的计算,而反问题(设计具有所需光学特性的结构)则更加困难。

现在,伯克利实验室的科学家已经开发出一种机器学习模型,可以用于两个问题-计算已知结构的光学特性,反之,设计具有所需光学特性的结构。他们的研究发表在Cell Reports Physical Science上。

通讯作者肖恩·卢布纳(Sean Lubner)表示:“我们的模型双向准确执行,其解释从质量上恢复了金属和介电材料与光相互作用的物理原理。”

Lubner指出,在自然界中,了解辐射特性(包括光学特性)对于计算诸如黑碳之类的气溶胶对气候变化的影响同样重要。

本研究中提出的机器学习模型是根据光谱发射率数据进行训练的,该数据来自可通过实验制造的各种形状和材料的近16,000个粒子。

“与传统的逆向设计方法相比,我们的机器学习模型将逆向设计过程加快了至少两到三个数量级,”合著者Ravi Prasher说,他也是伯克利实验室能源技术副总监。

伯克利实验室能源技术专区的所有科学家Mahmoud Elzouka,Charles Yang和Adrian Albert也是合著者。

版权声明:本文由用户上传,如有侵权请联系删除!