Apr 27, 2023
기계 학습은 새로운 기술을 만듭니다
새로운 기술을 배우기 위한 머신러닝 이번 주에 저는 2023 IEEE에 있었습니다.
새로운 기술을 배우기 위한 머신러닝
이번 주에 저는 일본 센다이에서 열린 2023 IEEE Intermag 컨퍼런스에 참석했습니다. 이것은 IEEE Magnetic Society(나의 첫 번째 IEEE Society, 45년 회원)에서 주최한 컨퍼런스입니다. 저는 IEEE 차기 회장으로 참석하도록 초대받았습니다. 컨퍼런스에는 총 1,700명이 넘는 실제 참석자와 가상 참석자가 있었고 그 중 1,500명에 가까운 사람들이 직접 컨퍼런스에 참석했습니다. 저는 이것이 2020년 코비드 팬데믹이 시작된 이후 최대 규모의 마그네틱 컨퍼런스라고 생각합니다.
나는 자성재료 연구를 위한 인공지능의 응용에 관한 논문이 있는 세션에 참석했습니다. 이는 사람들이 새로운 AI 도구를 효과적으로 사용하여 물리적 세계와 이를 실제 세계에 적용하는 방법에 대한 이해를 가속화하고 지원할 수 있는 방법에 대해 과학 및 엔지니어링 커뮤니티에서 진행되고 있는 토론의 예입니다. 여기에는 더 나은 자기 메모리 장치, 더 효율적인 모터 및 기타 많은 실제 활동을 만드는 것이 포함됩니다.
이 세션에는 MIT의 Mingda Li가 포함되어 "데이터 피팅은 기계 학습의 이점을 얻을 수 있는 많은 용도 중 하나입니다. 다른 하나는 숨겨진 데이터를 탐색하거나 구조-속성 관계를 구축하는 데 중점을 둡니다." 후자의 적용을 위해 이 세션의 논문은 대규모 재료 데이터베이스를 활용했습니다. Mingda는 이 논문에서 146,000개의 재료 데이터베이스를 언급합니다.
일본 이바라키현 츠쿠바 소재 국립 재료 과학 연구소의 Y. Iwasaki는 기계 학습과 순순한 계산을 결합한 자율 재료 검색 시스템을 사용하여 Fe3Co(금속의 정점에 있는 재료)보다 높은 합금 자화를 찾을 수 있는 다원소 조성을 찾았습니다. 슬레이터-폴링 곡선). 아래 이미지는 9주에 걸쳐 이 재료를 검색한 결과를 보여 주며, 모델링된 합금의 고유 자화를 증가시키는 방법을 점차적으로 찾아냅니다.
재료 자화를 증가시키기 위한 수주간의 시뮬레이션
이 연구는 약간의 Ir과 약간의 Pt를 첨가하면 철 코발트 합금의 자화를 증가시킬 수 있음을 나타냅니다. 일부 물리적 철 코발트 이리듐과 철 코발트 백금이 만들어지고 측정되었을 때 약 4% Ir이 실제로 FeCo 합금의 자화를 증가시키는 것으로 나타났습니다. 마찬가지로 FeCo 합금에 있는 약간의 Pt도 자화를 증가시켰습니다. Fe3Co보다 자화가 높은 합금 조성이 이전에 발견되었지만 이번 조사는 AI가 새로운 재료 발견을 위한 도구로 어떻게 사용될 수 있는지 보여주는 예를 보여주었습니다.
스페인, 미국, 중국뿐만 아니라 막스 플랑크 고체 화학 물리학 연구소의 Claudia Felser와 동료들은 AI 방법을 사용하여 위상 자기 물질이라고 불리는 새로운 물질을 개발하는 방법에 대해 이야기했습니다. 이는 고체 물체의 벌크, 표면 및 가장자리에서 키랄 전자 상태를 이용합니다. 물리학에서 카이랄 현상은 거울상과 동일하지 않은 현상입니다. 전자 스핀은 전자에 키랄성을 부여합니다. 그녀는 매우 높은 변칙적 홀 효과와 큰 변칙적 Nearst 효과를 갖는 물질이 어떻게 식별되는지 보여주었습니다. 이 연구의 흥미로운 요소는 가벼운 물질과 자기 위상 물질의 상호 작용에서 중력의 상호 작용과 관련이 있습니다. 아마도 이러한 현상은 중력을 감지하고 이해하는 새로운 방법을 제공할 수 있을까요?
도호쿠 대학의 시라이 마사후미(Masafumi Shirai)와 동료들은 자기 터널 접합(MTJ)용 MgO 터널링 층과 상호 작용하는 호이슬러 합금에 대한 대규모 자기 특성 데이터베이스를 사용했습니다. 기계 학습과 이 데이터베이스를 사용하여 그들은 4가지 구성 요소 합금의 퀴리 온도(자화가 0이 되는 온도)와 교환 강성(교환 강성)이라고 불리는 것을 예측할 수 있었습니다. 인접한 자기 스핀)이 MgO와의 경계면에 있습니다. MTJ는 하드 디스크 드라이브, 자기 테이프 헤드 및 일반적으로 사용되는 자기 센서의 읽기 센서로 사용됩니다.