據(jù)外媒報道，來自西北工程學(xué)院和麻省理工學(xué)院的跨學(xué)科科學(xué)家團隊使用人工智能(AI)技術(shù)構(gòu)建了一種新的、免費的、易于使用的工具從而讓科學(xué)家能加快發(fā)現(xiàn)和研究呈現(xiàn)金屬-絕緣體過渡(MIT)的材料的速度及識別新的特征來描述這類材料。

使微電子器件更快、更節(jié)能及設(shè)計出新的計算機架構(gòu)的關(guān)鍵之一是發(fā)現(xiàn)具有可調(diào)諧電子性能的新材料。MIT的電阻率可能會表現(xiàn)出金屬或絕緣電子行為，而這取決于環(huán)境的性質(zhì)。

盡管一些具有MIT特性的材料已經(jīng)應(yīng)用于電子設(shè)備中，但已知的只有不到70種材料，另外，具有集成到新電子設(shè)備中所必需的性能的材料則更少。此外，由于各種各樣的機制，這些材料用電開關(guān)，使得獲得這類材料的一般理解非常困難。

“通過提供數(shù)據(jù)庫、在線分類器和一組新的特征，我們的工作為理解和發(fā)現(xiàn)這類材料開辟了新的途徑，”麥考密克工程學(xué)院材料與制造Morris E. Fine教授、該研究的論文研究者James Rondinelli說道，“此外，這項工作可以被其他科學(xué)家使用并應(yīng)用于其他材料類別以加速發(fā)現(xiàn)和理解其他類別的量子材料?！?/p>

“我們的工具和模式的關(guān)鍵元素之一是，它們面向廣泛的受眾；就像人們不需要深入了解搜索算法就可以瀏覽互聯(lián)網(wǎng)一樣，科學(xué)家和工程師不需要了解機器學(xué)習(xí)就可以使用它們，”Rondinelli實驗室博士后研究員、該研究的首位合著者Alexandru Georgescu說道。

據(jù)悉，該研究小組于2021年7月6日在《Chemistry of Materials》上發(fā)表了相關(guān)論文--《Database, Features, and Machine Learning Model to Identify Thermally Driven Metal–Insulator Transition Compounds》。

美國西北工程大學(xué)工業(yè)工程和管理科學(xué)教授、這項研究的主要研究研究人員之一Daniel Apley指出：“這個免費的工具可以讓任何人快速獲得他們正在研究的材料是金屬、絕緣體還是金屬-絕緣體過渡化合物的概率估計?！?/p>