Maskininlärningsalgoritmer kan ibland göra ett bättre jobb med lite hjälp från mänsklig expertis, åtminstone inom materialvetenskap.

Inom många specialiserade vetenskapsområden, teknik och medicin, forskare vänder sig till maskininlärningsalgoritmer för att analysera datamängder som har blivit alldeles för stora för att människor ska kunna förstå. Inom materialvetenskap, framgång med detta arbete kan påskynda utformningen av nästa generations avancerade funktionella material, där utvecklingen nu beror på gammaldags trial-and-error.

Av sig själva, dock, dataanalystekniker som lånats från andra forskningsområden misslyckas ofta med att ge de insikter som behövs för att hjälpa materialvetare och ingenjörer att välja vilken av många variabler som ska justeras – och kan inte redogöra för dramatiska förändringar som införandet av en ny kemisk förening i processen. I vissa komplexa material som ferroelektrik, så många som 10 olika faktorer kan påverka egenskaperna hos den resulterande produkten.

I en tidning som publicerades denna vecka i tidskriften NPJ Computational Materials , forskare förklarar hur man kan ge maskinerna ett försprång när det gäller att lösa utmaningen genom att intelligent organisera data som ska analyseras baserat på mänsklig kunskap om vilka faktorer som sannolikt är viktiga och relaterade. Känd som dimensionell stapling, Tekniken visar att mänsklig erfarenhet fortfarande har en roll att spela i en tidsålder av maskinintelligens.

Forskningen sponsrades av National Science Foundation och Defense Threat Reduction Agency, samt Swiss National Science Foundation. Mätningar utfördes, till viss del, vid Oak Ridge National Laboratory i Oak Ridge, Tennessee.

"När din maskin accepterar strängar av data, det spelar verkligen roll hur du sätter ihop dessa strängar, sa Nazanin Bassiri-Gharb, tidningens motsvarande författare och professor vid George W. Woodruff School of Mechanical Engineering vid Georgia Institute of Technology. "Vi måste vara medvetna om att organisationen av data innan den går till algoritmen gör skillnad. Om du inte kopplar in informationen på rätt sätt, du kommer att få ett resultat som inte nödvändigtvis är korrelerat med verkligheten i den fysik och kemi som styr materialen."

Bassiri-Gharb arbetar med ferroelektrik, kristallina material som uppvisar spontana elektriska polarisationer som kan omkopplas av ett externt elektriskt fält. Används ofta för sina piezoelektriska egenskaper - som tillåter elektriska ingångar att generera mekaniska utsignaler, och mekanisk rörelse för att generera elektriska spänningar - deras kemiska formler är vanligtvis komplicerade, inklusive bly, mangan, niob, syre, titan, indium, vismut och andra element.

Forskare, som har arbetat i decennier för att förbättra materialen, skulle vilja utveckla avancerad ferroelektrik som inte innehåller bly. Men trial-and-error designtekniker har inte lett till några större genombrott, och hon är inte ensam om att vilja ha ett mer direkt tillvägagångssätt – ett som också snabbare kan leda till förbättringar av andra funktionella material som används inom mikroelektronik, batterier, optoelektroniska system och andra kritiska forskningsområden.

"För materialvetenskap, saker och ting blir riktigt komplicerade, speciellt med de funktionella materialen, ", sa Bassiri-Gharb. "Som materialforskare, det är väldigt svårt att designa materialen om vi inte förstår varför responsen ökar. Vi har lärt oss att funktionerna inte är uppdelade i fack. De är relaterade till många egenskaper hos materialet."

Tekniken som beskrivs i artikeln innebär ett förbearbetningssteg där de stora datamängderna är organiserade enligt fysikaliska eller kemiska egenskaper som är meningsfulla för materialforskare.

"Som vetenskapsman eller ingenjör, du har en idé om det finns fysiska eller kemiska samband eller inte, ", förklarade hon. "Du måste vara medveten om vilken typ av korrelationer som kan finnas. Sättet du staplar dina data som ska analyseras skulle få konsekvenser med avseende på de fysiska eller kemiska korrelationerna. Om du gör detta rätt, du kan få mer information från alla dataanalysmetoder du kanske använder."

För att testa teknikerna, Bassiri-Gharb och medarbetare Lee Griffin, Iaroslav Gaponenko, och Shujun Zhang testade prover av relaxor-ferroelektriska material som används i avancerad ultraljudsavbildningsutrustning. Grip, en forskarassistent från Georgia Tech och tidningens första författare, gjorde de experimentella mätningarna. Zhang, en forskare vid University of Wollongong i Australien, lämnade prover för studien. Bassiri-Gharb och Gaponenko, en forskningsfilial i hennes grupp, utvecklat tillvägagångssättet.

Med hjälp av en ledande spets på ett atomkraftmikroskop, de undersökte det elektromekaniska svaret från en serie kemiskt relaterade prover, genererar så många som 2, 500 tids- och spänningsberoende mätningar på ett rutnät av punkter etablerade på varje prov. Processen genererade hundratusentals datapunkter och gav ett bra test för staplingsmetoden, känd tekniskt som sammanlänkning.

"Istället för att bara titta på den kemiska sammansättningen som ger den högsta responsen, vi tittade på en rad kompositioner och försökte ta reda på det gemensamma, " sa hon. "Vi kom på att om vi tillämpade denna datastapling med en tankeprocess bakom den, vi skulle kunna lära oss mer om dessa intressanta material."

Bland deras fynd:Även om materialet är en enkristall, det funktionella svaret visade ett mycket stört beteende, påminner om ett helt oordnat material som glas. "Detta glasartade beteende kvarstår verkligen oväntat bortom en liten andel av materialsammansättningarna, ", sa Bassiri-Gharb. "Det består i alla kompositioner som vi har tittat på."

Hon hoppas att tekniken i slutändan ska leda till information som kommer att förbättra många material och deras funktionalitet. Att veta vilka kemikalier som måste inkluderas kan göra det möjligt för materialforskarna att gå vidare till nästa fas – att arbeta med kemister för att placera rätt atomer på rätt ställen.

"Det stora målet för alla material funktionalitet är att hitta riktlinjerna som ger de egenskaper vi vill ha, ", sa hon. "Vi vill hitta den raka vägen till de bästa kompositionerna för nästa generation av dessa material."