본문 바로가기
과학

실시간으로 미세 조직 3D 캡쳐가 가능하다?

by ○●○●◑◐◐◑● 2020. 4. 9.

미세조직의 3D 캡처가 가능하다?

기계 학습 기반 알고리즘을 특징짓는 3 D 실시간으로 재료 미세 조직을. 재료에 대한 현대 과학 연구는 원자 및 분자 규모에서 그들의 행동을 탐구하는 데 크게 의존합니다. 이런 이유로 과학자들은 이러한 규모의 자료를 수집하고 분석하기 위한 새롭고 개선된 방법을 끊임없이 찾고 있습니다. 기계 학습을 통해 다양한 크기의 입자와 그 경계를 보여주는 3D 미세 구조를 특성화할 수 있었습니다. DOE의 아르곤 국립 연구소에 위치한 미국 에너지 부과학부 사용자 시설 인 나노 스케일 재료 센터 ( CNM )의 연구원들은 3차원으로 정량적으로 특성화하기 위한 머신 러닝 기반 알고리즘을 발명했습니다. 나노미터만큼 작은 특징을 가진 물질. 연구원들은 이 중추적인 발견을 산업에 관심이 있는 대부분의 구조 재료 분석에 적용할 수 있습니다. 우리의 알고리즘을 독특하게 만드는 것은 미세 구조에 대해 본질적으로 아무것도 모르는 재료로 시작하면 몇 초 안에 사용자에게 3차원 모두에 정확한 미세 구조를 알려줄 것입니다. 시카고 일리노이 대학 기계 및 산업 공학과의 CNM 이론 및 모델링 그룹 및 부교수. 아르곤 3차원 나노 구조의 형성으로 이어지는 얼음의 기계 학습 알고리즘을 나타냅니다. 이후 핵 입자 성장하였습니다. 예를 들어 데이터가 우리의 분석에 3D의 도구"라고 말했습니다. CNM 박사 후 연구원 및 연구의 수석 저자는"사용자가 결함 및 균열을 감지하고 잠재적으로 모든 종류의 서로 다른 스트레스와 긴장에서 수명을 예측할 수 있습니다." 우리의 알고리즘을 독특하게 만드는 것은 미세 구조에 대해 본질적으로 아무것도 모르는 재료로 시작하면 몇 초 안에 사용자에게 3차원의 정확한 미세 구조를 알려줄 것입니다."시카고 일리노이 대학 CNM 그룹 리더 겸 부교수 대부분의 구조 재료는 다결정이므로 분석 목적으로 사용되는 샘플에는 수백만 개의 곡물이 포함될 수 있습니다. 시료 내에서 입자 및 공극의 크기와 분포는 중요한 물리적, 기계적, 광학적, 화학적 및 열적 특성에 영향을 미치는 중요한 미세 구조적 특징입니다. 예를 들어, 그러한 지식은 더 오래 지속되는 강하고 단단한 기계 구성 요소와 같은 원하는 특성을 가진 새로운 재료를 발견하는 데 중요합니다. 최근에 과학자들은 시각화한 3D다수의 마이크로 스케일에서 스냅 샷을 재료 내의 미세 기능을 2 개 차원 형태로 함께 붙여 넣은 후, 슬라이스 개별 슬라이스를 처리하고 3차원 사진. 예를 들어 병원에서 컴퓨터 단층 촬영 스캔 루틴을 수행하는 경우도 마찬가지입니다. 그러나 이 프로세스는 비효율적이며 정보가 유실됩니다. 연구팀은 따라서 더 나은 방법을 찾고 있습니다. 3개 의 분석. Cherukara, 에서 조수 과학자가 말했습니다. CNM은" 우리는 세 가지 차원에서 전체 미세 구조를 매핑할 때까지 샘플에 있는 수많은 입자들 사이의 모든 경계를 검색할 절편 기반 알고리즘을 설계 생각하지만, 상상할 수 있듯이 수백만 개의 곡물을 사용하면 시간이 많이 걸리고 비효율적입니다." 우리의 기계 학습 알고리즘의 아름다움은 경계 문제를 처리하고 높은 효율과 매우 정확한 결과를 위해 자율 알고리즘을 사용한다는 것입니다, "찬은 말했습니다."다운 - 샘플링 기법과 결합만 큰 처리 초가 소요 3개 의 샘플과 잡음에 견고하고 탄력적인 미세 정확한 정보를 획득." 이 팀은 여러 다른 금 (알루미늄, 철, 실리콘 및 티타늄)과 연질 재료 (폴리머 및 미셀)의 분석에서 얻은 데이터와 비교하여 알고리즘을 성공적으로 테스트했습니다. 이 데이터는 이전에 발표된 실험과 두 개의 DOE Office of Science 사용자 시설인 Argonne Leadership Computing Facility와 National Energy Research Scientific Computing Center에서 컴퓨터 시뮬레이션을 실행한 결과입니다. 이 연구에는 Argonne의 실험실 컴퓨팅 리소스 센터와 CNM의 카본 클러스터도 사용되었습니다." 우리의 도구를 사용하여 연구자의 경우, 가장 큰 장점은 바로 감동 없는 3차원 이미지를 생성하지만, 더 중요한 것은, 자세한 특성 데이터는 실시간으로 변화에 따라 심지어 정량적 시각적 미세의 진화를 추적할 수 있습니다."기계 학습 알고리즘은 솔리드로 제한되지 않습니다. 이 팀은 중요한 에너지, 화학 및 생물학적 응용 분야의 유체에서 분자 클러스터 분포의 특성을 포함하도록 확장했습니다. 이 기계 학습 도구는 전 세계의 다른 싱크로트론과 같은 대규모 재료 특성화 시설에서 얻은 데이터의 미래 실시간 분석에 특히 영향을 미칩니다. 이 연구는, 제목 " 기계 학습의 자율적인 미세 특성을 활성화 3 개 D의 샘플 npj 전산 재료에 출연, ". Sankaranarayanan 및 Chan 외에도 Mathew Cherukara, Troy D. Loeffler 및 Badri Narayanan이 있습니다. 이 연구는 DOE 기본 에너지 과학국으로부터 자금을 받았습니다. 이상으로 실시간으로 캡처가 가능한 3D 기계 학습을 기반 한 알고리즘에 관한 내용이었습니다.

댓글0