利用機(jī)器學(xué)習(xí)技術(shù)開(kāi)發(fā)新型壓電材料

 

　　【成果簡(jiǎn)介】

 

　　機(jī)器學(xué)習(xí)技術(shù)被認(rèn)為可以從大量材料科學(xué)的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中的重要信息，建立材料性能的預(yù)測(cè)模型，進(jìn)而實(shí)現(xiàn)材料性能的快速優(yōu)化。機(jī)器學(xué)習(xí)模型雖然可以對(duì)未知材料性能做出預(yù)測(cè)，但是面對(duì)大量已有預(yù)測(cè)值的可能材料，如何最有效地選擇下一步實(shí)驗(yàn)要合成和測(cè)試的樣品?近日國(guó)際期刊Advanced Materials以“Accelerated Discovery of Large Electrostrains in BaTiO3-Based Piezoelectrics Using Active Learning”為題發(fā)表了西安交通大學(xué)最新研究成果，該工作發(fā)現(xiàn)平衡考慮預(yù)測(cè)值與不確定性的實(shí)驗(yàn)設(shè)計(jì)策略在材料開(kāi)發(fā)中更加高效。該工作由西安交通大學(xué)金屬材料強(qiáng)度國(guó)家重點(diǎn)實(shí)驗(yàn)室孫軍教授、丁向東教授團(tuán)隊(duì)博士生袁睿豪、薛德禎副教授等與美國(guó)洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室的Turab Lookman教授合作完成。

 

　　【圖文導(dǎo)讀】

 

　　圖1. 利用自適應(yīng)設(shè)計(jì)循環(huán)提升材料開(kāi)發(fā)速度

 

 

 

　　圖2. 統(tǒng)計(jì)模型以及不同選擇策略的表現(xiàn)

 

 

 

　　圖3. 新開(kāi)發(fā)材料性能表征

 

 

 

　　圖4. 與其他無(wú)鉛壓電體系對(duì)比

 

 

　　圖5. 朗道理論對(duì)高電致應(yīng)變的解釋

 

 

 

　　【小結(jié)】

 

　　本文提出了一個(gè)基于主動(dòng)學(xué)習(xí)技術(shù)的材料設(shè)計(jì)方法，并應(yīng)用于加速設(shè)計(jì)開(kāi)發(fā)新型壓電材料。這一設(shè)計(jì)思路是一個(gè)由數(shù)據(jù)采集、統(tǒng)計(jì)模型、實(shí)驗(yàn)設(shè)計(jì)、結(jié)果反饋組成的循環(huán)回路;通過(guò)對(duì)回路的多次循環(huán)，實(shí)現(xiàn)對(duì)材料目標(biāo)性能的快速優(yōu)化。區(qū)別于以往以預(yù)測(cè)結(jié)果為導(dǎo)向的實(shí)驗(yàn)設(shè)計(jì)，上述循環(huán)最大的不同之處在于利用預(yù)測(cè)結(jié)果的不確定性(uncertainty)進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，僅僅通過(guò)三組實(shí)驗(yàn)就成功開(kāi)發(fā)了一種具有高電致應(yīng)變的無(wú)鉛壓電材料。同時(shí)，本文還比較了不同的實(shí)驗(yàn)設(shè)計(jì)策略，發(fā)現(xiàn)平衡考慮預(yù)測(cè)值與不確定性的策略在材料開(kāi)發(fā)中更加高效。該思路可以被廣泛應(yīng)用于新材料的快速研發(fā)。

 

　　文獻(xiàn)鏈接：Accelerated Discovery of Large Electrostrains in BaTiO3-Based Piezoelectrics Using Active Learning (Adv. Mater., 2018, DOI: 10.1002/adma.201702884)