Исследователи из MIT создали новый инструмент на базе искусственного интеллекта, который позволяет обнаруживать и измерять атомные дефекты в материалах, не разрушая их. Это открытие может существенно повысить эффективность и надежность таких продуктов, как полупроводники и солнечные панели.
Зачем нужны дефекты в материалах?
В отличие от биологии, где дефекты часто считаются негативным явлением, в материаловедении дефекты могут улучшать свойства материалов. Например, в процессе производства стали или полупроводников дефекты вводятся намеренно, чтобы усилить прочность или изменить проводимость.
Проблемы с измерением дефектов
Однако, несмотря на важность дефектов, их точное измерение долгое время оставалось сложной задачей. Традиционные методы, как правило, требуют разрушения образцов для анализа, что делает их непрактичными для массового производства. Новый метод на базе ИИ использует данные нейтронного рассеяния, чтобы неинвазивно определить до шести различных типов дефектов одновременно.
Как работает новый подход?
Команда из MIT обучила свою модель на базе данных о 2,000 полупроводниковых материалов. Используя технологию, схожую с ChatGPT, модель анализирует вибрационные частоты атомов в материалах и предсказывает, какие дефекты присутствуют и в каких концентрациях. Интересно, что модель способна распознавать дефекты с точностью до 0.2%.
Влияние на индустрию
Новый подход может значительно изменить производство микроэлектроники, солнечных батарей и других материалов. Вместо разрушительных тестов компании смогут быстро и точно измерять дефекты, улучшая качество своей продукции. В будущем исследователи планируют адаптировать модель для использования с более доступными методами, такими как рамановская спектроскопия.
Исследование поддержано Министерством энергетики и Национальным научным фондом США и опубликовано в журнале Matter.
