利用人工智能设计材料性能

导 读

近日，麻省理工学院、俄罗斯科技大学以及新加坡南洋理工大学的研究人员利用人工智能技术实现了材料性能的预测和设计。研究人员发现，当对一块半导体或晶体材料施加少量应力，如金刚石或硅，能够迅速改变原子排序，继而显著改变材料的光学、电学和热学性能。通过一种新的“应变工程”AI系统，有望搭建出完整的应变空间网络，结合大数据找到更好的目标材料，为未来高科技设备以及先进柔性材料的开发开阔思路，该研究成果发表在本周的《美国国家科学院院院刊》上。

创新研究

在麻省理工学院早期的研究工作中，研究人员发现，在一些硅处理器芯片中施加一定程度的弹性应变时，结构仅发生1%的变化，就能让电子更快地穿过材料，其器件处理速度可显著提高到50%。

Subra Suresh、Ming Dao和Yang Lu进行的最新研究表明[1]，即使是自然界中最坚硬的金刚石，当其以纳米级（~300纳米）针尖形状存在时，单晶金刚石的最大拉伸应变可高达9%（接近理论弹性极限），相应的最大拉伸应力达到89~98千兆帕。Ju Li和Yang Lu[2]的工作同样证明了室温下气-液-固法制备直径约100nm的单晶硅纳米线，可反复拉伸实现10%以上的弹性应变，接近硅的理论弹性极限（17～20%）。

与其它改变材料性能的方法不同，如化学掺杂，它会产生永久的静态变化，而“应变工程”可以实现材料性能的动态调整。应力是一种能够动态开启和关闭的东西，可以以六种不同方式施加（在三个不同的维度中，每一个维度均可以产生内外或侧向的应变），且允许施加的程度几乎没有限制，因此，如果仅仅通过人工实验是无法探索试验所有可能性的。

研究人员研究了在金刚石和硅纳米材料中应力分布对带隙的影响，对一个本征半导体而言，其导电性与带隙的大小有关，只有获得足够能量的电子才能从价带被激发，跨过带隙并跃迁至传导带。材料带隙的可调谐性是改善器件导电或吸热效率的有效途径，以硅太阳能电池为例，调谐带隙大小有利于让太阳能电池更精准地吸收某种特定能源，在同样情况下，可以凭借千分之一的厚度来吸收等量的光能。研究人员指出，理论上，一种材料可以从半导体转换为金属，外界环境的改变可能会影响材料的导电或吸热方式，然而，与直接将材料置于强电场或化学环境中相比（外加电场的存在会影响材料的电导方式），调节应力变化更有利于获得目标材料。

金刚石作为一种半导体材料，具有巨大的潜力，尽管与硅相比，目前应用仅处于起步阶段。“金刚石是一种优质的材料，具有很高的载流子迁移率”，研究人员说道，电流的正负载流子可以在金刚石内部自由移动，是某些高频电子设备的理想选择。然而，目前还没有人找到一种可将金刚石层放置在大型衬底上进行延展的好方法，而金刚石本身也很难进行“掺杂”或引入其他原子，因此研究人员将材料置于在一个可以调节应变量大小和方向的框架中，借助人工智能系统进行大规模的快速计算，在改变掺杂行为方面获得了更大的灵活性。

这项研究工作很好地说明了如何将材料物理与人工智能、机器学习、深度学习等看似遥远领域的最新进展结合起来，为设计可应用于精确调谐的光子、电子以及光电器件的材料提供可能。

报道链接

news：

http://news.mit.edu/2019/artificial-intelligence-engineer-microchips-0211?from=timeline&isappinstalled=0#.XGJJIsYh40g.

[1]http://science.sciencemag.org/content/360/6386/300.abstract

[2]http://advances.sciencemag.org/content/2/8/e1501382.abstract