新火種
2024-01-02 
生成模型揭示材料無序的秘密，改善功能材料設計
編輯 | 綠蘿
壓電材料可以因機械變形產生電場，也可以因電場作用產生機械變形，這種固有的機-電耦合效應使得壓電材料在工程中得到了廣泛的應用。
在材料科學領域，了解復雜材料中的不同結構紊亂是否具有有價值的功能，其中一個關鍵挑戰是識別特定樣品中的紊亂類型。
新加坡國立大學的一個研究小組通過將壓電材料疇界（domain boundary）中的各種結構紊亂壓縮為一小組簡單的多尺度概率規則來解決這一挑戰。根據這些規則，他們創建了一個生成式機器學習模型，該模型的長度尺度跨越了三個數量級，從而可以研究超出實際測量限制的材料的統計特性。
該研究以《A multiscale generative model to understand disorder in domain boundaries》為題，發布在《Science Advances》上。
凝聚態系統通常由簡單和有限的 motif（或結構單元）來描述，復雜的結構可以從這些 motif 的簡單組裝規則中產生。
Motif 間的關系建立了微觀結構，而微觀結構反過來又決定了材料的宏觀特性。Motif 有望無序地組裝成復雜的結構，從而最大化它們的熵。
原子無序在材料中表現出來的最簡單的方式之一是在晶粒界面，即相同晶體種類的兩個區域之間的界面，包括晶界和疇界。結構圖案可以沿著晶界形成復雜的構型，并且在某些情況下，決定宏觀特性。平移疇界 (Translation domain boundary，TDB) 是一種更簡單的邊界情況，它將材料中的兩個區域分開，這些區域的晶格因非晶胞矢量的特定平移而未對準。
圖 1A 為鈮酸鉀鈉 (KNN) 薄膜的示例性高角度環形暗場 (HAADF) STEM 圖像，其中此類 TDB 覆蓋有假色。
盡管晶界的維數較低，但其結構的復雜性和多樣性尚未得到令人滿意的建模或理解。到目前為止，尚不清楚晶界是「完全隨機的」還是遵循不同長度尺度的組織規則。
在此，研究人員提出并驗證了一種簡單而有效的混合生成模型，該模型能夠僅通過少量觀察來預測鈮酸鉀鈉薄膜中不可見的疇界，而無需昂貴的第一原理計算或域生長的原子模擬。
結果表明，跨越 1 至 100 納米的復雜疇界結構可以由簡單的可解釋的概率性局部規則產生。還發現了以前未觀察到的、重要的、可平鋪的邊界圖案，它們可能會影響材料系統的壓電響應，并且有證據表明混合生成模型創建了具有最高構型熵的疇界。
圖 2：有效表示結構 motif 并將 motif-motif 組裝規則重新構建為概率生成模型的工作流程。（來源：論文）
新加坡國立大學物理系和生物科學系助理教授 Ne-te Duane Loh 領導的研究小組發現，沿著鈮酸鉀鈉（potassium sodium niobate ，KNN ）壓電薄膜疇界，實驗觀察到的結構紊亂可以被提煉成一套令人驚訝的簡單概率規則。
這些規則可以分解為在不同長度尺度上占主導地位的兩組——馬爾可夫鏈和隨機核。使用這兩組規則為特定材料樣本創建疇界的集合。
該團隊將這些概率規則轉化為可解釋的機器學習模型的「詞匯」和「語法」，以生成和研究大量與實驗測量結果無法區分的現實無序疇界。與實際實驗或昂貴的第一性原理計算相比，這種生成模型提供了更多數量級的觀察結果。
使用該模型，研究發現了材料中以前未檢測到的疇界圖案，這些圖案是鏈狀結構，揭示了可能影響其壓電響應的因素。他們還發現了這些疇界使熵最大化的證據。
這一突破表明，簡單但可解釋的機器學習模型可以為描述和理解復雜材料中無序的本質和起源鋪平道路，從而改善功能材料的設計。
該研究延續了該團隊將統計學習與原子分辨率電子顯微鏡相結合的持續成果，以對復雜材料進行成像。第一作者、Eric 和 Wendy Schmidt AI 科學研究員 Jiadong Dan 博士說：「我們的工作可以普遍擴展并應用于其他重要系統，在這些系統中，無序在控制材料的物理性質方面發揮著重要作用。」
該團隊還設想進一步研究新發現的結構圖案的功能重要性，突顯理解和設計復雜材料的潛力。
Loh 教授補充道：「這項工作補充了我們早期對原子主題層次結構的了解。它們共同推動我們與顯微鏡一起創建配套的人工智能，以提供前所未有的快速反饋。」
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
