Можно создать сверхпроводники используя вычисления искусственного интеллекта

Владельцы чистокровных жеребцов тщательно разводят призовых лошадей на протяжении поколений, чтобы получить доли секунды в гонках за миллион долларов. Ученые в данной области взяли страницу из этой книги, обращаясь к силе эволюции и искусственного отбора, чтобы разработать сверхпроводники, которые могут передавать электрический ток максимально эффективно. Возможно, нелогично, но большинство применяемых сверхпроводников могут работать при сильных магнитных полях, поскольку они достаточно дефективные.

Количество, размер, форма и положение дефектов в сверхпроводнике работают вместе, чтобы увеличить пропускную способность электрического тока в присутствии магнитного поля. Слишком много дефектов, однако, может привести к блокированию пути электрического тока или разрушению сверхпроводящего материала, поэтому ученые должны быть избирательными в том, как они включают дефекты в материал.

«Когда люди думают о целенаправленной эволюции, они подразумевают людей, которые разводят собак или лошадей. Мы являемся примером материала, где компьютер учится у предыдущих поколений наилучшему расположению дефектов». - Аргоннский материаловед Андреас Глатц.

Сущность исследования

В новом исследовании, проведенном в Аргоннской национальной лаборатории Министерства энергетики США, исследователи использовали возможности искусственного интеллекта и высокопроизводительных суперкомпьютеров, чтобы представить и оценить влияние различных конфигураций дефектов на производительность сверхпроводника. Исследователи разработали компьютерный алгоритм, технологию , которая рассматривает каждый дефект как биологический ген.

Различные комбинации дефектов привели к сверхпроводникам, способным переносить различные величины тока. Как только алгоритм идентифицировал особенно выгодный набор дефектов, он повторно инициализировался с этим набором дефектов как «начальное число», из которого возникли бы новые комбинации дефектов.

«Каждый прогон симуляции эквивалентен образованию дефектов нового поколения, которые алгоритм стремится оптимизировать», - сказал выдающийся научный сотрудник Аргонн и старший специалист по материалам Вай-Квонг Квок, автор исследования. «Со временем дефектные структуры постепенно улучшаются, поскольку мы намеренно выбираем дефектные структуры, которые позволят использовать материалы при котором уровень тока будет самым высоким».

Дефекты

Причина дефектов, формирующих такую существенную часть сверхпроводника, заключается в их способности улавливать и закреплять магнитные вихри, которые образуются в присутствии магнитного поля. Эти вихри могут свободно перемещаться внутри чистого сверхпроводящего материала при приложении тока. Когда они это делают, они начинают создавать сопротивление, сводя на нет сверхпроводящий эффект.

Сохранение вихрей, при этом позволяя току проходить через материал, представляет собой священный грааль для ученых, стремящихся найти способы передачи электроэнергии без потерь в применяемых сверхпроводниках. Чтобы найти правильную комбинацию дефектов, чтобы остановить движение вихрей, исследователи инициализировали свой алгоритм с дефектами случайной формы и размера.

Хотя исследователи знали, что это будет далеко от оптимальной установки, она дала модели набор нейтральных начальных условий для работы. По мере того, как исследователи проходили через последовательные поколения модели, они видели, как первоначальные дефекты трансформировались в столбчатую форму и, в конечном счете, в периодическое расположение плоских дефектов. «Когда люди думают о целенаправленной эволюции, они подразумевают людей, которые разводят собак или лошадей.

Мы являемся примером материала, где компьютер учится у предыдущих поколений наилучшему расположению дефектов». - Аргоннский материаловед Андреас Глатц. Один потенциальный недостаток процесса отбора искусственных дефектов заключается в том, что определенные модели дефектов могут укорениться в модели, что приведет к своего рода кальцификации генетических данных. «В определенном смысле вы можете думать об этом как о инбридинге», - сказал Квок.

«Сохранение большей части информации в нашем дефектном «генофонде» между поколениями имеет как преимущества, так и недостатки, поскольку не допускает радикальных общесистемных преобразований. Тем не менее, наша цифровая «эволюция» может быть повторена с различными начальными шалонами, чтобы избежать этих проблем».

Чтобы запустить их модель, исследователям потребовались высокопроизводительные вычислительные средства в Аргоннской и Ок-Риджской национальной лаборатории. Argonne Leadership Computing Facility и Oak Ridge Leadership Computing Facility являются объектами пользовательских исследований Министерства образования США.