• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Fysik
    Utnyttja kraften hos AI och högpresterande datorer för att utvidga evolutionen till superledare

    Denna bild visar den algoritmiska utvecklingen av en defektstruktur i ett supraledande material. Varje iteration fungerar som grund för en ny defektstruktur. Rödare färger indikerar högre strömförmåga. Upphovsman:Argonne National Laboratory/Andreas Glatz

    Ägare till fullblodshingstar föder noggrant prisvinnande hästar över generationer för att släppa ut bråkdelar av en sekund i miljonlopp. Materialforskare har tagit en sida från den spelboken, vänder sig till evolutionens kraft och artificiella urval för att utveckla superledare som kan överföra elektrisk ström så effektivt som möjligt.

    Kanske kontraintuitivt, de flesta applicerade superledare kan arbeta vid höga magnetfält eftersom de innehåller defekter. Numret, storlek, form och position för defekterna i en superledare samarbetar för att förbättra den elektriska strömförmågan i närvaro av ett magnetfält. För många defekter, dock, kan leda till att den elektriska strömvägen blockeras eller det superledande materialet går sönder, så forskare måste vara selektiva i hur de införlivar defekter i ett material.

    I en ny studie från US Department of Energy's (DOE) Argonne National Laboratory, forskare använde kraften hos artificiell intelligens och högpresterande superdatorer för att introducera och bedöma effekterna av olika konfigurationer av defekter på en superledares prestanda.

    Forskarna utvecklade en datoralgoritm som behandlade varje defekt som en biologisk gen. Olika kombinationer av defekter gav superledare som kunde bära olika mängder ström. När väl algoritmen identifierat en särskilt fördelaktig uppsättning defekter, den initierades på nytt med den uppsättningen defekter som ett "frö, "från vilka nya kombinationer av defekter skulle dyka upp.

    "Varje körning av simuleringen motsvarar bildandet av en ny generation defekter som algoritmen försöker optimera, "sade Argonne framstående medarbetare och högre materialvetare Wai-Kwong Kwok, en författare till studien. "Över tid, defektstrukturerna förädlas gradvis, som vi avsiktligt väljer för defektstrukturer som tillåter material med den högsta kritiska strömmen. "

    Orsaken till att defekter utgör en så viktig del av en superledare ligger i deras förmåga att fånga och förankra magnetiska virvlar som bildas i närvaro av ett magnetfält. Dessa virvlar kan röra sig fritt i ett rent supraledande material när en ström appliceras. När de gör det, de börjar generera ett motstånd, förneka den supraledande effekten. Hålla virvlarna fästa, samtidigt som strömmen fortfarande kan passera genom materialet, representerar en helig gral för forskare som försöker hitta sätt att överföra elektricitet utan förlust hos applicerade superledare.

    För att hitta rätt kombination av defekter för att stoppa virvlarnas rörelse, forskarna initierade sin algoritm med defekter av slumpmässig form och storlek. Medan forskarna visste att detta skulle vara långt från den optimala inställningen, det gav modellen en uppsättning neutrala initiala förutsättningar att arbeta från. När forskarna gick igenom på varandra följande generationer av modellen, de såg de initiala defekterna förvandlas till en kolonnform och i slutändan ett periodiskt arrangemang av plana defekter.

    "När människor tänker på målinriktad utveckling, de kanske tänker på människor som föder upp hundar eller hästar, "sade Argonne materialvetare Andreas Glatz, motsvarande författare till studien. "Vårt är ett exempel på material av design, där datorn lär sig från tidigare generationer det bästa möjliga arrangemanget av defekter. "

    En potentiell nackdel med processen för val av artificiella defekter ligger i det faktum att vissa defektmönster kan fastna i modellen, vilket leder till ett slags förkalkning av genetiska data. "I viss mening, du kan liksom tänka på det som inavel, "Kwok sa." Att bevara mest information i vår defekt "genpool" mellan generationer har både fördelar och begränsningar eftersom det inte tillåter drastiska systemomfattande transformationer. Dock, vår digitala 'evolution' kan upprepas med olika initiala frön för att undvika dessa problem. "

    För att köra deras modell, forskarna krävde högpresterande datoranläggningar vid Argonne och Oak Ridge National Laboratory. Argonne Leadership Computing Facility och Oak Ridge Leadership Computing Facility är båda DOE Office of Science användarfaciliteter.

    En artikel baserad på studien, "Riktad utveckling av fästande landskap för stora supraledande kritiska strömmar, "dök upp i den 21 maj upplagan av Förfaranden från National Academy of Sciences . Förutom Kwok och Glatz, Argonnes Ivan Sadovskyy, Alexei Koshelev och Ulrich Welp samarbetade också.

    © Vetenskap https://sv.scienceaq.com