美国能源部橡树岭国家实验室牵头的一项研究详细介绍了人工智能研究人员如何创建 AI 模型来帮助识别用于屏蔽核聚变反应堆中聚变应用组件的新合金。这一发现标志着朝着改进核聚变设施迈出了重要一步。

该项目几年前由前人工智能计划主任 David Womble 发起。ORNL 人工智能数据科学家 Massimiliano Lupo Pasini 主张将其作为该计划的人工智能科学发现 (AISD) 重点领域继续开展。这项研究的结果发表在《科学数据》杂志上。

卢波帕西尼说：“这些合金需要在极高温度下实现卓越的性能，包括耐高温性能和在复杂核电站使用所需的结构机械性能。”

传统上，这些材料以钨为主要元素，并注入其他元素作为补充。这种合金成分被证明具有耐高温性，但在保持适当屏蔽性方面却不一致。

“最近，材料科学界一直在探索用全新的、颠覆性的材料取代这些标准技术材料的机会。”Lupo Pasini 说。

然而，考虑到众多可能性，确定潜在的金属组合是一项重大挑战。在人工智能的指导下，研究人员可以绕过看似无休止的反复试验阶段，更有效地找到可行的合金候选物。

Lupo Pasini 与 German Samolyuk、Jong Youl Choi、Markus Eisenbach、Junqi Yin 和 Ying Yang 合作，生成数据以创建 AI 模型，该模型确定了三种元素作为潜在的新合金候选物进行测试。Choi、Eisenbach 和 Yin 在 ORNL 的计算和计算科学理事会工作，而 Samolyuk 和 Yang 在物理科学理事会工作。

然而，这个由人工智能生成的数据库只是该项目的前半部分。作者将使用生成的数据进行进一步的研究，致力于开发、训练和部署用于材料发现和设计的机器学习模型。

“为了支持新型耐火高熵合金的设计，我们需要涵盖六种元素，”Lupo Pasini 说道。“此外，由于在现有超级计算机上运行量子力学计算的成本非常高，因此仅靠数据是不够的。”

卢波帕西尼 (Lupo Pasini) 表示，昂贵的量子计算并不是该团队在为其人工智能模型创建基础时需要克服的唯一挑战。

“我们刚刚发布的这些数据，在 Perlmutter 和 Summit 超级计算机上都花费了大量时间才得以完成，”他说，“数据生成耗时一年多。”

Perlmutter 超级计算机位于劳伦斯伯克利国家实验室，而 Summit 是橡树岭领导力计算设施的一部分，位于 ORNL。这两个计算系统都是美国能源部科学办公室用户设施。

该团队的下一步是利用这些生成的数据来训练人工智能模型，该模型将加速将六种元素以不同浓度混合成合金而产生的大量化合物。

卢波帕西尼补充道：“我们正试图帮助材料科学家通过反复试验的方法来确定需要混合在一起的不同元素的相对百分比，以便制作出能够带来颠覆性聚变技术进步的合金。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：