🔖 Он вам не фотон: как учёные в 1000 раз ускорили предсказания фононных спектров и теплопроводности материалов
Тепловые потери составляют значительную часть энергии, уходящей в атмосферу на промышленных предприятиях. Эффективное управление теплопередачей, особенно в высокоскоростной электронике, может значительно оптимизировать энергетические затраты. Для описания теплопроводности в неметаллических твёрдых материалах используют фононы — квант энергии колебательного движения атомов твёрдого тела, образующих идеальную кристаллическую решётку.
Для ускорения анализа теплопроводности материалов учёные из Массачусетского университета создали систему машинного обучения, которая может предсказать фононные спектры и теплопроводность материалов в тысячу раз быстрее, чем традиционные методы. В основе системы — графовые нейронные сети (GNN), преобразующие атомные структуры в модели, которые позволяют точно и быстро предсказывать параметры теплопередачи.
Из текста вы узнаете:
▪ Какую роль играют фононы в переносе тепловой энергии в материалах;
▪ Зачем нужны фононные спектры и как уменьшить время их расчёта;
▪ Как учёные усовершенствовали методы машинного обучения для предсказания движения фонов;
▪ Как ML позволяет создавать базы данных свойств материалов за считанные часы.
Читать➡
#ML #программы
Тепловые потери составляют значительную часть энергии, уходящей в атмосферу на промышленных предприятиях. Эффективное управление теплопередачей, особенно в высокоскоростной электронике, может значительно оптимизировать энергетические затраты. Для описания теплопроводности в неметаллических твёрдых материалах используют фононы — квант энергии колебательного движения атомов твёрдого тела, образующих идеальную кристаллическую решётку.
Для ускорения анализа теплопроводности материалов учёные из Массачусетского университета создали систему машинного обучения, которая может предсказать фононные спектры и теплопроводность материалов в тысячу раз быстрее, чем традиционные методы. В основе системы — графовые нейронные сети (GNN), преобразующие атомные структуры в модели, которые позволяют точно и быстро предсказывать параметры теплопередачи.
Из текста вы узнаете:
Читать
#ML #программы