Bilim adamları simetri ve kalıpları algılayan yapay sinir ağları yaratıyor
adresinde bir araştırma ekibi Lehigh Üniversitesitarafından finanse edilen ABD Ulusal Bilim Vakfı, malzemelerdeki simetriyi ve yapısal benzerlikleri algılamak ve benzerlik projeksiyonları oluşturmak için bir yapay sinir ağı geliştirdi ve etkili bir şekilde öğretti. Araştırmacılar bulgularını dergide yayınladı npj Hesaplamalı Malzemeler.
Ekip bir yapay sinir ağı geliştirdi ve makine öğrenimini kullanarak sinir ağını simetriyi tespit edecek ve kalıpları ve eğilimleri tespit edecek şekilde eğitti. Türünün ilk çabasında, araştırmacılar bu yeniliği 25.000’den fazla görüntüden oluşan bir veritabanını aramak için kullandılar ve benzer materyalleri başarıyla sınıflandırdılar. Ağ, çok boyutlu verilerdeki kalıpları tespit etmek ve çözmek için deneylerden elde edilen muazzam miktarda bilgi ve veriyi analiz ederek malzeme araştırmasını dönüştürebilir.
Lehigh Üniversitesi’nden ortak yazar ve makine öğrenimi bilimcisi Joshua Agar, “Bir sinir ağını eğitirseniz, sonuç, özelliklerin kompakt bir tanımlayıcısı olan bir vektör veya bir dizi sayıdır” dedi ve ekledi: “Bu özellikler, sınıflandırmaya yardımcı olur. bazı benzerlikler öğrenilebilsin diye. Üretilen şey yine de uzayda oldukça büyük, çünkü 512 veya daha fazla farklı özelliğe sahip olabilirsiniz. O zaman onu 2D veya 3D gibi bir insanın anlayabileceği bir alana sıkıştırmak istersiniz. — ya da belki 4D.”
Yapay sinir ağı, bilim adamlarının ve araştırmacıların malzemelerin çok boyutlu yapısı ve yapı-özellik dinamiklerinin karmaşıklığı hakkında daha fazla bilgi edinmelerine yardımcı olabilir. Yapay sinir ağları, başarısız deneylerden elde edilen görüntüleri ve verileri analiz edebilir ve malzeme araştırmacılarının araştırma verilerinde yapısal benzerlikler, modeller ve eğilimler bulmasına izin verebilir. Algılanmayan eğilimleri ve kalıpları ortaya çıkarabilecek, deney verimliliğini artırabilecek ve araştırmayı hızlandırabilecek geliştirilmiş veri yönetimi ve erişilebilirlik ile.