קפיצה קוונטית בחקר הסגסוגות: למידת מכונה מאיץ את לימודי הפיזור פי 100

חוקרים מאוניברסיטת אילינוי אורבנה-שמפיין הגדירו מחדש את הדיפוזיה בסגסוגות מרובות רכיבים על ידי פירוקה לאלמנטים נפרדים שהם מכנים "קינוסונים". מעסיק למידת מכונההם ניתחו את ההתפלגות הסטטיסטית של אלמנטים אלה, ואיפשרו להם ליצור מודל של סַגסוֹגֶת ולקבוע את הפיזור שלו בצורה יעילה הרבה יותר מאשר על ידי חישוב מסלולים שלמים. ממצאיהם פורסמו לאחרונה בכתב העת מכתבי סקירה פיזית.

"מצאנו דרך הרבה יותר יעילה לחשב דיפוזיה במוצקים, ובמקביל למדנו יותר על התהליכים הבסיסיים של דיפוזיה באותה מערכת", אומר פרופסור למדעי החומרים והנדסה דאלאס טרינקל, שהוביל את העבודה הזו, יחד עם עם הסטודנט לתואר שני Soham Chattopadhyay.

דיפוזיה במוצקים הוא התהליך שבו נעים אטומים לאורך חומר. ייצור פלדה, יונים הנעים דרך סוללה וסימום של התקני מוליכים למחצה הם כולם דברים שנשלטים על ידי דיפוזיה.

אתגרים בסימולציה של דיפוזיה

כאן, הצוות עיצב דיפוזיה בסגסוגות מרובות רכיבים, שהן מתכות המורכבות מחמישה יסודות שונים – מנגן, קובלט, כרום, ברזל וניקל במחקר זה – בכמויות שוות. סוגים אלו של סגסוגות מעניינים מכיוון שאחת הדרכים לייצר חומרים חזקים היא להוסיף אלמנטים שונים יחד כמו הוספת פחמן וברזל לייצור פלדה. לסגסוגות מרובות רכיבים יש תכונות ייחודיות, כגון התנהגות מכנית טובה ויציבות בטמפרטורות גבוהות, לכן חשוב להבין כיצד אטומים מתפזרים בחומרים אלו.

כדי להסתכל היטב על הדיפוזיה, יש צורך בטווחי זמן ארוכים מכיוון שאטומים נעים באקראי ועם הזמן, העקירה שלהם מנקודת ההתחלה תגדל. "אם מישהו מנסה לדמות את הדיפוזיה, זה כאב כי אתה צריך להפעיל את הסימולציה במשך זמן רב מאוד כדי לקבל את התמונה המלאה," אומר טרינקל. "זה באמת מגביל הרבה מהדרכים שבהן אנו יכולים לחקור דיפוזיה. לרוב לא ניתן להשתמש בשיטות מדויקות יותר לחישוב שיעורי מעבר מכיוון שלא תוכל לבצע מספיק שלבים של סימולציה כדי לקבל את המסלול הארוך ולקבל ערך סביר של דיפוזיה."

א אָטוֹם יכול לקפוץ שמאלה אבל אז זה יכול לקפוץ בחזרה ימינה. במקרה כזה, האטום לא זז לשום מקום. עכשיו, תגיד שזה קופץ שמאלה, ואז קורים עוד 1000 דברים, ואז זה קופץ חזרה ימינה. זה אותו אפקט. טרינקל אומר, "אנחנו קוראים לזה מתאם כי בשלב מסוים האטום ביצע קפיצה אחת ואז מאוחר יותר הוא ביטל את הקפיצה הזו. זה מה שהופך את הדיפוזיה למסובכת. כשאנחנו מסתכלים איך למידת מכונה פותרת את הבעיה, מה שהיא באמת עושה זה שהיא משנה את הבעיה לבעיה שבה אין אף אחד מהקפיצות המתואמות האלה".

פישוט פיזור עם למידת מכונה

לכן, כל קפיצה שאטום עושה תורמת לדיפוזיה והבעיה הופכת להרבה יותר קלה לפתרון. "אנחנו קוראים לקפיצות האלה קינוסונים, בשביל מהלכים קטנים", אומר טרינקל. "הראינו שאתה יכול לחלץ את ההתפלגות של אלה, את ההסתברות לראות קינוסון בסדר גודל מסוים, ולחבר את כולם כדי לקבל את הדיפוזיות האמיתית. נוסף על כך, אתה יכול לדעת איך אלמנטים שונים מתפזרים במוצק."

יתרון נוסף של מודלים של דיפוזיה באמצעות קינוסונים ולמידת מכונה הוא שהיא מהירה משמעותית מאשר חישוב מסלולים שלמים בקנה מידה ארוך. טרינקל אומר שבשיטה זו ניתן לבצע סימולציות פי 100 מהר יותר מאשר בשיטות הרגילות.

"אני חושב שהשיטה הזו באמת תשנה את הדרך בה אנו חושבים על דיפוזיה", הוא אומר. "זו דרך אחרת להסתכל על הבעיה ואני מקווה שבעשר השנים הבאות, זו תהיה הדרך הסטנדרטית להסתכל על דיפוזיה. בעיני, אחד הדברים המרגשים הוא לא רק שזה עובד מהר יותר, אלא גם לומד יותר על מה שקורה במערכת”.

מחקר זה מומן על ידי הקרן הלאומית למדע במסגרת התוכנית NO MPS-1940303.