Fugu-MT 論文翻訳(概要): Autonomous synthesis of metastable materials

論文の概要: Autonomous synthesis of metastable materials

arxiv url: http://arxiv.org/abs/2101.07385v1
Date: Tue, 19 Jan 2021 00:29:26 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:24:16.770592
Title: Autonomous synthesis of metastable materials
Title（参考訳）: 準安定物質の自律合成
Authors: Sebastian Ament, Maximilian Amsler, Duncan R. Sutherland, Ming-Chiang Chang, Dan Guevarra, Aine B. Connolly, John M. Gregoire, Michael O. Thompson, Carla P. Gomes, R. Bruce van Dover
Abstract要約: 我々はSARA(Scientific Autonomous Reasoning Agent)が管理する階層的自律実験による準安定物質の高速合成と探索を実証する。 SARAは、処理フェーズダイアグラムの構造を効率的に明らかにするAI手法の階層構造とともに、ロボット素材の合成とキャラクタリゼーションを統合する。我々は,bi$o$_3$システムにおける合成相境界を自律的にマッピングすることにより,合成相図の確立においてその性能を実証する。
参考スコア（独自算出の注目度）: 13.506040229814499
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Autonomous experimentation enabled by artificial intelligence (AI) offers a new paradigm for accelerating scientific discovery. Non-equilibrium materials synthesis is emblematic of complex, resource-intensive experimentation whose acceleration would be a watershed for materials discovery and development. The mapping of non-equilibrium synthesis phase diagrams has recently been accelerated via high throughput experimentation but still limits materials research because the parameter space is too vast to be exhaustively explored. We demonstrate accelerated synthesis and exploration of metastable materials through hierarchical autonomous experimentation governed by the Scientific Autonomous Reasoning Agent (SARA). SARA integrates robotic materials synthesis and characterization along with a hierarchy of AI methods that efficiently reveal the structure of processing phase diagrams. SARA designs lateral gradient laser spike annealing (lg-LSA) experiments for parallel materials synthesis and employs optical spectroscopy to rapidly identify phase transitions. Efficient exploration of the multi-dimensional parameter space is achieved with nested active learning (AL) cycles built upon advanced machine learning models that incorporate the underlying physics of the experiments as well as end-to-end uncertainty quantification. With this, and the coordination of AL at multiple scales, SARA embodies AI harnessing of complex scientific tasks. We demonstrate its performance by autonomously mapping synthesis phase boundaries for the Bi$_2$O$_3$ system, leading to orders-of-magnitude acceleration in establishment of a synthesis phase diagram that includes conditions for kinetically stabilizing $\delta$-Bi$_2$O$_3$ at room temperature, a critical development for electrochemical technologies such as solid oxide fuel cells.
Abstract（参考訳）: 人工知能(ai)によって実現される自律実験は、科学的発見を加速するための新しいパラダイムを提供する。非平衡物質合成は、物質発見と開発のための流域となる複雑な資源集約的な実験の象徴である。非平衡合成相図のマッピングは近年、高いスループットの実験によって加速されているが、パラメータ空間が大きすぎるため、材料研究は制限されている。我々は,SARA(Scientific Autonomous Reasoning Agent)が管理する階層的自律実験を通して,メタスタブル物質の迅速な合成と探索を実証する。 SARAは、処理フェーズ図の構造を効率的に明らかにするAI手法の階層構造とともに、ロボット素材の合成とキャラクタリゼーションを統合する。 SARAは並列材料合成のための横勾配レーザースパイクアニール(lg-LSA)実験を設計し、位相遷移を迅速に同定するために光学分光を用いる。多次元パラメータ空間の効率的な探索は、実験の基礎となる物理学とエンドツーエンドの不確実性定量化を組み込んだ高度な機械学習モデルに基づくネスト付きアクティブラーニング(al)サイクルによって達成される。これと複数のスケールでのALの調整により、SARAは複雑な科学的タスクを活用するAIを具現化した。我々は,Bi$_2$O$_3$系の合成相境界を自律的にマッピングすることにより,室温での運動安定化条件を含む合成相図の確立に至り,固体酸化物燃料電池などの電気化学技術にとって重要な発展をもたらすことを示す。