亚洲无线观看国产高清,欧美大尺寸SUV免费,竹菊精品久久久久久久99蜜桃

摘要

近日，長春理工大學物理學院辛潮團隊以「Machine Learning-Accelerated Discovery of Novel 2D Ferromagnetic Materials with Strong Magnetization」為題在Chip上發表研究論文，通過機器學習算法加速對具有強磁化的新型二維材料的發現。第一作者為辛潮副研究員，通訊作者為宋永利教授、潘鋒教授。Chip是全球唯一聚焦芯片類研究的綜合性國際期刊，是入選了國家卓越高起點新刊計劃的「三類高質量論文」期刊之一。

背景

隨著材料數據庫的不斷完備，以及算力的不斷提升，材料科學研究已經進入大數據驅動的“第四范式”1。人工智能和機器學習算法在新材料的發現中扮演著至關重要的角色。自單層石墨烯被發現以來，二維材料成為凝聚態物理和材料學領域的研究熱點。Mermin-Wagner理論指出，在維度d ≤ 2的體系中，由于存在熱擾動，不太可能出現滿足各向同性的海森堡短程磁相互作用2。然而，近年來在二維單層體系CrI3, Cr2Ge2Te6中發現的鐵磁性打破了這一預言。又重新引發科研人員對二維體系中的磁性的關注熱潮。

研究方法

研究團隊提出了一套集高通量計算、模型預訓練、磁有序分類和磁矩回歸以及DFT計算驗證的自適應式體系。基于C2DB和2DMP二維材料數據庫，采用高通量的DFT計算篩選，構建用于預訓練的完備二維磁性材料數據集，建立磁性-非磁性，鐵磁-反鐵磁的分類模型，以及凈磁矩的回歸模型。通過SHAP值分析模型可解釋性。

Chip發表機器學習加速發現具有強磁化的新型二維磁性材料

圖1. 2D磁性材料的高通量篩選和自適應式機器學習工作流

結果與討論

研究團隊通過比對不同機器學習算法：樸素貝葉斯、支持向量機、K緊鄰和隨機森林、XGboost、GBDT集成算法以及深度人工神經網絡ANN，優化出設計新材料的最優算法策略。實現對二維材料的磁性-非磁性、鐵磁-反鐵磁的精準分類，分類精度AUC可達0.97。訓練得到能夠預測二維材料磁矩的回歸模型，測試精度可達R2=0.873。該方案成功將SOAP、Sine庫倫矩陣以及ACSF特征編碼融合于處理少樣本數據集中，彌補了機器學習算法和圖神經網絡在處理小數據集時的缺陷與不足，且模型具備強魯棒性。通過對數據的深度挖掘和對數據的先驗分析3, 4，經過蒙特卡洛模擬計算發現MXene-Cr2NF2體系為潛在的多鐵性材料。

Chip發表機器學習加速發現具有強磁化的新型二維磁性材料

圖2. 機器學習FM/AFM分類模型的測試結果

Chip發表機器學習加速發現具有強磁化的新型二維磁性材料

圖3. 二維材料晶胞凈磁矩的機器學習回歸模型的測試結果

圖4. 磁矩回歸模型的可解釋性SHAP值分析

該研究團隊通過對SHAP值詳細分析，使訓練得到的機器學習模型不再是“黑箱”式的模型5，使模型具有可解釋性，解決了傳統機器學習算法以及神經網絡模型在材料預測過程中模型不可解釋性的終極難題。并且所得模型成功預測出60種二維材料具備鐵磁性，其中13種材料的晶胞凈磁矩大于7 μB。成功預測出Os2Cl2、Fe3GeSe2和Mn4N3S2分別為二維鐵磁半導體、鐵磁金屬和鐵磁半金屬。此外，研究發現，615個候選材料樣本在Intel Xeon Gold 5218處理器的集群上進行HPC計算花費近57600核時。而包括預訓練在內的機器學習模型在Intel (R) Xeon (R) Platinum 8259CL上運行約560核時。整個過程中，計算時間減少了一個數量級以上，解決了算力困局，真正意義上實現機器學習算法加速發現二維磁性新材料。

參考文獻

Xin, C. Advancements in High-Throughput Screening and Machine Learning Design for 2D Ferromagnetism: A Comprehensive Review. Advanced Theory and Simulations. 2300475 (2023).

Mermin, N. D. & Wagner, H. Absence of ferromagnetism or anti-ferromagnetism in one- or two-dimensional isotropic Heisenberg models. Phys. Rev. Lett. 17, 1133–1136 (1966).

Xin, C. et al. Charge disproportionation-induced multiferroics and electric field control of magnetism in a 2D MXene–Mo2NCl2. Nanoscale. 15, 14923–14930 (2023).

Xin, C. et al. Asymmetric Janus functionalization induced magnetization and switchable out-of-plane polarization in 2D MXene Mo2CXX?. Phys. Chem. Chem. Phys. 25, 8676–8683 (2023).

Lundberg, S.M, et al. From local explanations to global understanding with explainable AI for trees. Nat. Mach. Intell. 2, 56–67 (2020).

原文鏈接：

https://doi.org/10.1016/j.chip.2023.100071

聯系方式：xinchao@pkusz.edu.cn

關于Chip

Chip是全球唯一聚焦芯片類研究的綜合性國際期刊，已入選由中國科協、教育部、科技部、中科院等單位聯合實施的「中國科技期刊卓越行動計劃高起點新刊項目」，為科技部鼓勵發表「三類高質量論文」期刊之一。

Chip秉承創刊理念: All About Chip，聚焦芯片，兼容并包，旨在發表與芯片相關的各科研領域尖端突破性成果，助力未來芯片科技發展。迄今為止，Chip已在其編委會匯集了來自14個國家的70名世界知名專家學者，其中包括多名中外院士及IEEE、ACM、Optica等知名國際學會終身會士（Fellow）。

愛思唯爾Chip官網：

https://www.journals.elsevier.com/chip

原創文章，作者：菜菜歐尼醬，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/12/08/bd0d992353/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

Chip發表機器學習加速發現具有強磁化的新型二維磁性材料

相關推薦