透过生成模型揭示材料无序之奥秘，改善功能材料设计

有志者，事竟成！如果你在学习科技周边，那么本文《透过生成模型揭示材料无序之奥秘，改善功能材料设计》，就很适合你！文章讲解的知识点主要包括，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

编辑 | 绿萝在室内装饰中广受欢迎。它们是常见的室内植物，因其美丽的叶子和容易照料而备受喜爱。绿萝的叶子呈现出深绿色，有时还有一些白色斑点，给室内环境增添了生机和自然感。它们可以放在各种不同的容器中，如花盆或花瓶，也可以悬挂在墙壁上。绿萝对光线的要求不高，可以在室内的阴暗角落生长，适合那些没有阳光直射的房间。此外，绿萝还具有空气净化的作用，可以吸收室内的有害物质，如甲醛和苯。因此，将绿萝放在家中可以改善空气质量，为居住环境带来健康和舒适。养护绿萝也很简单，只需确保它们每周得到适量的水分和间歇性的施肥即可。总之，绿萝是一种美丽、容易照料和有益健康的室内植物，是许多人的首选

压电材料是一种特殊的材料，具有机械变形产生电场的能力，同时也可以因电场作用而发生机械变形。这种独特的机-电耦合效应使得压电材料在各个工程领域中得到了广泛的应用

在材料科学领域，一个重要的挑战是确定复杂材料中不同结构紊乱的功能价值。其中，识别特定样品中的紊乱类型是关键

新加坡国立大学的一个研究小组通过将压电材料畴界（domain boundary）中的各种结构紊乱压缩为一小组简单的多尺度概率规则来解决这一挑战。根据这些规则，他们创建了一个生成式机器学习模型，该模型的长度尺度跨越了三个数量级，从而可以研究超出实际测量限制的材料的统计特性。

该研究以《A multiscale generative model to understand disorder in domain boundaries》为题，发布在《Science Advances》上。

凝聚态系统通常由简单和有限的 motif（或结构单元）来描述，复杂的结构可以从这些 motif 的简单组装规则中产生。

Motif 间的关系建立了微观结构，而微观结构反过来又决定了材料的宏观特性。Motif 有望无序地组装成复杂的结构，从而最大化它们的熵。

原子无序在材料中表现出来的最简单的方式之一是在晶粒界面，即相同晶体种类的两个区域之间的界面，包括晶界和畴界。结构图案可以沿着晶界形成复杂的构型，并且在某些情况下，决定宏观特性。平移畴界 (Translation domain boundary，TDB) 是一种更简单的边界情况，它将材料中的两个区域分开，这些区域的晶格因非晶胞矢量的特定平移而未对准。

示例图像显示了铌酸钾钠（KNN）薄膜的高角度环形暗场（HAADF）扫描透射电子显微镜（STEM）图像，其中使用了假色来表示这些TDB的覆盖区域

尽管晶界的维数较低，但其结构的复杂性和多样性尚未得到令人满意的建模或理解。到目前为止，尚不清楚晶界是「完全随机的」还是遵循不同长度尺度的组织规则。

在此，研究人员提出并验证了一种简单而有效的混合生成模型，该模型能够仅通过少量观察来预测铌酸钾钠薄膜中不可见的畴界，而无需昂贵的第一原理计算或域生长的原子模拟。

研究结果显示，复杂的领域结构在尺寸范围从1到100纳米之间，可以由简单的可解释的概率性局部规则产生。研究还发现了以前未被观察到的重要的可平铺的边界图案，这些图案可能会影响材料系统的压电响应。此外，有证据表明混合生成模型可以产生具有最高构型熵的领域结构

第二图展示了有效表示结构图案并将图案之间的组装规则重新构建为概率生成模型的工作流程。（数据来源：论文）

新加坡国立大学物理系和生物科学系助理教授 Ne-te Duane Loh 领导的研究小组发现，沿着铌酸钾钠（potassium sodium niobate ，KNN ）压电薄膜畴界，实验观察到的结构紊乱可以被提炼成一套令人惊讶的简单概率规则。

这些规则可以被分解为两组主导不同长度尺度的组成部分——马尔可夫链和随机核。利用这两组规则来创建特定材料样本的边界集合

该团队将这些概率规则转化为可解释的机器学习模型的「词汇」和「语法」，以生成和研究大量与实验测量结果无法区分的现实无序畴界。与实际实验或昂贵的第一性原理计算相比，这种生成模型提供了更多数量级的观察结果。

通过使用这个模型，研究人员发现了一些之前在材料中未被发现的畴界图案。这些图案呈链状结构，揭示了一些可能会影响材料压电响应的因素。他们还发现了这些畴界可能会最大化熵的证据

这一发现表明，简单但可解释的机器学习模型可以为解释和理解复杂材料中无序的本质和起源铺平道路，从而改善功能材料的设计

该研究延续了该团队将统计学习与原子分辨率电子显微镜相结合的持续成果，以对复杂材料进行成像。第一作者、Eric 和 Wendy Schmidt AI 科学研究员 Jiadong Dan 博士说：「我们的工作可以普遍扩展并应用于其他重要系统，在这些系统中，无序在控制材料的物理性质方面发挥着重要作用。」

团队还计划进一步研究新发现的结构图案的功能重要性，以突显对复杂材料的理解和设计的潜力

Loh 教授补充道：「这项工作补充了我们早期对原子主题层次结构的了解。它们共同推动我们与显微镜一起创建配套的人工智能，以提供前所未有的快速反馈。」

参考内容：https://phys.org/news/2023-12-generative-unveils-secrets-material-disorder.html

本篇关于《透过生成模型揭示材料无序之奥秘，改善功能材料设计》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于科技周边的相关知识，请关注golang学习网公众号！