Шанхайская лаборатория искусственного интеллекта 13 мая объявила, что, опираясь на общее планирование Государственного научно-технического мегапроекта нового поколения искусственного интеллекта до 2030 года, Шанхайская лаборатория искусственного интеллекта совместно с Сучжоуской национальной лабораторией, Университетом Цинхуа и другими партнерами успешно осуществила контролируемое получение высококачественного монокристаллического графита сантиметрового размера и толщиной более 200 микрон.
Фундамент данных: миллиардная расчетная база данных материалов для обучения
Сообщается, что ключевой предпосылкой для разработки материалов с помощью ИИ является поддержка высококачественных данных. Для точного получения монокристаллического графита объединенная группа создала миллиардную расчетную базу данных материалов для обучения машинных атомных потенциалов. Эта база данных значительно превосходит предыдущие маломасштабные базы данных по полноте, точности и охвату, эффективно преодолевая прежние ограничения, связанные с зависимостью от малых открытых данных или универсальных баз данных, закладывая прочный фундамент для последующей разработки высокоточных моделей ИИ.
Эта база данных в основном охватывает высококачественные расчетные данные, необходимые для обучения машинных потенциалов в системе никель-углерод, включая кластеры никеля разного размера, объемные фазы, поверхностные структуры, а также композитные конфигурации, образуемые вышеуказанными структурами никеля с атомами углерода, углеродными цепочками, кольцами, графеном, графитом и другими углеродными формами при различных температурах, обеспечивая как широту, так и надежность поддержки для обучения высокоточных машинных потенциалов, а также закладывая прочную основу для разработки моделей ИИ для поверхностей и границ раздела материалов.
Алгоритмическое управление: модель функции машинного потенциала наводит мост для анализа в атомном масштабе
На основе вышеуказанной базы данных объединенная группа, используя высокоточный и высокоэффективный метод машинного потенциала NEP, разработанный Сучжоуской национальной лабораторией, в сочетании с рабочим процессом активного обучения, алгоритмом анализа неопределенности и фреймворком интеллектуального агента для вычислительного материаловедения, разработанными Шанхайской лабораторией искусственного интеллекта, успешно разработала модель функции машинного потенциала, преодолев ограничения традиционных расчетов из первых принципов по масштабу и времени.
Эта модель способна выполнять сложное моделирование динамики границ раздела для систем размером более ста тысяч атомов и на протяжении миллионов атомных шагов, улавливая такие ключевые микроскопические механизмы, как ускорение миграции углерода двойниковыми границами зерен, что обеспечивает вычислительный мост в атомном масштабе для понимания макроскопических явлений роста высококачественного монокристаллического графита.
Управление механизмом: получение монокристаллического графита толщиной 200+ микрон превосходит мировой рекорд
С помощью высокоточной модели функции машинного потенциала объединенная группа провела крупномасштабное и долговременное атомистическое динамическое моделирование. С помощью имитационных экспериментов группа не только раскрыла весь процесс миграции атомов углерода в решетке никеля: сегрегацию, диффузию, зародышеобразование и рост, но и воспроизвела весь эволюционный процесс их растворения, сегрегации, зародышеобразования и эпитаксиального роста на границах раздела монокристаллического никеля и никеля с двойниковыми границами зерен, прояснив механизм роста монокристаллического графита.
Кроме того, с помощью количественного имитационного моделирования объединенная группа определила закономерности влияния таких ключевых параметров, как температура реакции, растворимость углерода, скорость диффузии атомов и структура двойниковых границ зерен, на качество роста монокристаллического графита, предоставив количественно измеримую, прогнозируемую и практически реализуемую теоретическую поддержку и расчетную основу для оптимизации и модернизации процессов получения материалов.
Основываясь на этих научных открытиях, объединенная группа создала систему роста монокристаллического графита и в конечном итоге успешно получила высококачественный монокристаллический графит сантиметрового размера толщиной более 200 микрон — эта толщина более чем в 3 раза превышает текущий мировой уровень. Этот научный прорыв также проложил путь интеллектуальных научных исследований, трансформирующихся от «поиска методом проб и ошибок» к «управлению на основе механизмов», подтвердив важную ценность ИИ как «революционного инструмента» для научных открытий.
В будущем объединенная группа продолжит, опираясь на модели искусственного интеллекта, проводить исследования по оптимизации экспериментальных параметров процессов и крупномасштабному производству, постоянно продвигая развитие монокристаллического графита в направлении более высокого качества, большей площади и более стабильного массового выпуска, активно расширяя его потенциал применения в таких областях, как электронные устройства, терморегулирование и высокотехнологичное оборудование, исследуя формирование совершенно новой парадигмы исследований и разработок, основанной на массивных данных, с моделью ИИ в качестве ядра, с пониманием механизмов в качестве движущей силы, с экспериментальным получением в качестве проверки и с крупномасштабным производством в качестве цели, способствуя постоянному углублению и укреплению глубокой интеграции искусственного интеллекта и материаловедения.