Исследователи из MIT создали искусственный интеллект, который способен обнаруживать дефекты в материалах на атомном уровне, не разрушая их. Это открытие может существенно повысить прочность, теплопередачу и эффективность преобразования энергии в таких материалах, как полупроводники и солнечные батареи.
Прорыв в изучении дефектов
До сих пор измерение дефектов в материалах было сложной задачей. Инженеры могли только догадываться о типах дефектов и их концентрации, что часто приводило к ошибкам и снижению производительности продуктов. Однако новая модель от MIT использует данные, собранные с помощью нейтронного рассеяния, чтобы классифицировать и количественно оценивать дефекты, не повреждая материал.
Как работает новое решение
ИИ-модель была обучена на базе данных из 2000 различных полупроводниковых материалов. Она способна одновременно обнаруживать до шести типов точечных дефектов, что невозможно было бы сделать с помощью традиционных методов.
«Существующие методы не могут точно характеризовать дефекты без разрушения материала, а наши подходы значительно расширяют возможности контроля качества», — объясняет ведущий автор исследования Муянг Ченг.
Практическое применение и перспективы
Эта технология может найти применение в производстве полупроводников, микроэлектроники, солнечных батарей и аккумуляторов. Сейчас многие производители прибегают к инвазивным методам тестирования, что ограничивает их способность обнаруживать все дефекты. Новая модель способна изменить ситуацию и сделать процесс более точным и менее трудоемким.
Исследователи также планируют адаптировать свою модель для работы с рамановской спектроскопией, еще одним популярным методом изучения материалов. Это может сделать технологию более доступной для массового использования в промышленности.
Новый взгляд на дефекты
«Дефекты — это палка о двух концах», — говорит Минда Ли, старший автор исследования. «Некоторые из них полезны для улучшения свойств материалов, но их избыток может ухудшить характеристики. Наш подход открывает новые горизонты в науке о дефектах».
Работа была поддержана Министерством энергетики США и Национальным научным фондом, что подчеркивает ее важность и потенциал для будущих исследований и разработок в области материаловедения.
