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。
関連論文リスト
- ULSA: Unified Language of Synthesis Actions for Representation of
Synthesis Protocols [2.436060325115753]
合成手順を記述するための最初の統一言語であるULSA(Unified Language of Synthesis Actions)を提案する。
提案手法に基づく3,040の合成手順のデータセットを作成した。
論文 参考訳(メタデータ) (2022-01-23T17:44:48Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳(メタデータ) (2021-12-10T11:49:51Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳(メタデータ) (2021-12-06T18:45:31Z) - Physics in the Machine: Integrating Physical Knowledge in Autonomous
Phase-Mapping [10.629434761354938]
科学インフォームドAIや科学AIは、データ分析から、クローズドループ自律システムにおける実験設計、シミュレーション、実行、分析まで、成長してきた。
CAMEOアルゴリズムは、物質系の構成構造関係を学習し、最適な機能特性を持つ材料組成を特定するという2つの課題に対処するために、科学的なAIを使用する。
論文 参考訳(メタデータ) (2021-11-15T00:48:34Z) - BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。
ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文 参考訳(メタデータ) (2021-06-08T10:14:57Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳(メタデータ) (2021-05-18T10:15:17Z) - Automated Biodesign Engineering by Abductive Meta-Interpretive Learning [8.788941848262786]
Abductive Meta-Interpretive Learning($Meta_Abd$)を活用した自動バイオデザインエンジニアリングフレームワークを提案します。
本稿では,Abductive Meta-Interpretive Learning(Meta_Abd$)を活用したバイオデザイン自動工学フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-17T12:10:26Z) - PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable
Physics [89.81550748680245]
PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。
各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。
本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
論文 参考訳(メタデータ) (2021-04-07T17:59:23Z) - Automated and Autonomous Experiment in Electron and Scanning Probe
Microscopy [0.0]
連続画像形成機構を有するイメージング手法における自動実験(AE)への主要な経路の解析を目指しています。
自動実験は一般分野の知識のより広い文脈で議論されるべきであり、実験の結果、双方が実験を通知し、増大させる。
論文 参考訳(メタデータ) (2021-03-22T20:24:41Z) - Artificial Intelligence based Autonomous Molecular Design for Medical
Therapeutic: A Perspective [9.371378627575883]
ドメイン認識機械学習(ML)モデルは、小さな分子治療設計の加速にますます採用されている。
我々は、各コンポーネントによって達成された最新のブレークスルーと、このような自律型AIとMLワークフローをどのように実現できるかを提示する。
論文 参考訳(メタデータ) (2021-02-10T00:43:46Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2021-01-22T19:49:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。