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
- Adaptive AI-Driven Material Synthesis: Towards Autonomous 2D Materials Growth [17.92848271095797]
本研究では,進化的手法で学習したニューラルネットワーク(ANN)を用いた自律材料合成の最前線について検討する。
我々のアプローチは、ニューラルネットワークがグラフェンの効率的な成長のための時間依存プロトコルを反復的かつ自律的に学習できることを示します。
この研究は材料工学の分野に大きく貢献し、合成プロセスにおける革新と効率の新しい時代を育む。
論文 参考訳（メタデータ） (2024-10-10T15:00:52Z) - Efficient Materials Informatics between Rockets and Electrons [0.0]
この論文は、超高温耐火高エントロピー合金(RHEA)を組み込んだ機能性グレード材料(FGM)の設計に焦点を当てている。
原子レベルでは、MPDDと呼ばれる450万以上の緩和された構造から機械学習(ML)に最適化されたデータエコシステムが、実験的な観察を知らせ、熱力学モデルを改善するために使用される。
結果として生じるマルチレベル発見インフラストラクチャは、既存のソリューションを探すのではなく、問題のエンコーディングに重点を置いているため、非常に一般化可能である。
論文 参考訳（メタデータ） (2024-07-05T17:03:26Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Bespoke Nanoparticle Synthesis and Chemical Knowledge Discovery Via
Autonomous Experimentations [6.544041907979552]
本稿では,光学特性を目標としたナノ粒子(NP)の設計のための自律的な実験プラットフォームについて報告する。
このプラットフォームは、AI最適化モデリングのフィードバックに基づいて、NPのバッチ合成モジュールとUV-Vis分光モジュールの間をクローズループで動作させる。
優れた材料開発効率に加えて、合成変数の解析により、Ag NP合成におけるクエン酸の効果を含む新しい化学が明らかにされる。
論文 参考訳（メタデータ） (2023-09-01T09:15:04Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - 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) - On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian
Active Learning [12.021024778717575]
我々は、高度な素材の発見に、クローズドループでアクティブな学習駆動型自律システムに焦点を当てる。
複雑で高度な材料を手元に配置できる自律的な研究手法を実証する。
このロボット科学は、ネットワーク上の科学を可能にし、科学者の経済的影響を研究室から物理的に切り離すことができる。
論文 参考訳（メタデータ） (2020-06-11T01:26:24Z) - Learning To Navigate The Synthetically Accessible Chemical Space Using
Reinforcement Learning [75.95376096628135]
ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。
このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。
本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
論文 参考訳（メタデータ） (2020-04-26T21:40:03Z) - Exploring 2D synthetic quantum Hall physics with a quasi-periodically
driven qubit [58.720142291102135]
準周期的に駆動される量子系は、量子化された位相的性質を示すと予測される。
合成量子ホール効果を2トーン駆動で実験的に研究した。
論文 参考訳（メタデータ） (2020-04-07T15:00:41Z)
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。