近日，美国麻省理工学院的研究职员构建了一小我私家工智能模子，可以或许使用来自非侵入性中子散射技能的数据对于某些缺陷举行分类及量化。该模子于2000种差别的半导体质料长进行了练习，可以同时检测质料中多达六种点缺陷，这是仅利用传统技能不成能做到的。3月30日，这项研究发表于《物资》上。
一种新模子可丈量缺陷，使用这些缺陷可以改善质料的机械强度、热通报及能量转换效率。图源：MIT
“现有技能没法于不粉碎质料的环境下，以一种通用且定量的方式正确表征缺陷。”论文第一作者、麻省理工学院质料科学与工程系博士生Mouyang Cheng说。“对于在没有呆板进修辅助的传统技能来讲，检测六种差别的缺陷是不成想象的。这是你用其他任何方式都没法做到的。”
研究职员暗示，该模子是于半导体、微电子、太阳能电池及电池质料等产物中更切确地使用缺陷迈出的一步。
于试验中，研究职员构建了一个包罗2000种半导体质料的计较数据库。他们为每一种质料建造了样品对于，一组掺杂孕育发生缺陷，另外一组连结完好陷，然后利用一种中子散射技能来丈量固体质料华夏子的差别振动频率。他们按照成果练习了一个呆板进修模子。
“这构建了一个笼罩元素周期表中56种元素的基础模子。”Cheng说。“该模子使用了多头留意力机制，就像ChatGPT正于利用的那样。它一样提取出缺陷及完好陷质料之间的数据差异，并输出关在利用了何种掺杂剂以和浓度的猜测。”
研究职员对于他们的模子举行了微调，于试验数据长进行了验证，并证实该模子可以丈量一种经常使用在电子的合金及一种自力的超导质料中的缺陷浓度。
研究职员还有对于质料举行了屡次掺杂，以引入多种点缺陷并测试模子的极限，终极发明该模子可以同时猜测质料中多达六种缺陷，缺陷浓度低至0.2%。
“咱们真的很惊奇它效果这么好。”Cheng说。“解码来自两种差别类型缺陷的混淆旌旗灯号已经经很是具备挑战性，更不消说六种了。”
研究职员信赖他们的研究证实了人工智能技能于注释缺陷数据方面的固有上风。
相干论文信息：https://doi.org/10.1016/j.matt.2026.102728
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
