Chương trình máy học cho trò chơi giúp phát triển thuật toán để lập mô hình phân tử

109

Thông qua thuật toán, nhóm tại Trung tâm vật liệu nano của Argonne nhằm mục đích giảm thời gian khám phá trong khi mang lại dữ liệu chất lượng cao hơn.

Các chương trình học máy đã mở đường cho một số biên giới nghiên cứu và phát triển. Các chương trình này hoạt động theo cách tương tự như con người, bằng cách học các kỹ thuật và kỹ năng mới bằng cách sử dụng phương pháp thử và sai. Quá trình này liên quan đến việc lặp lại và tái định hình việc học, trong đó phần tốt được chọn để sử dụng trong tương lai và tránh được các kết quả xấu. Dựa trên việc học tăng cường, các nhà khoa học tại Phòng thí nghiệm Quốc gia Argonne của Bộ Năng lượng Hoa Kỳ (DOE) đã phát triển một thuật toán giúp mô hình hóa các đặc tính của vật liệu ở cấp độ nguyên tử và phân tử.

Trong một bài báo đăng trên tạp chí Nature Communications vào tháng 1 năm 2022, các nhà khoa học tại Trung tâm Vật liệu nano của Argonne tại DOE đã giới thiệu sơ lược về sự phát triển của một thuật toán học tăng cường có thể giúp đẩy nhanh quá trình khám phá vật liệu. Thông qua thuật toán học máy, nhóm nghiên cứu nhằm mục đích giảm thời gian khám phá đồng thời mang lại dữ liệu chất lượng cao hơn.

Nguồn cảm hứng là AlphaGo, đây là chương trình máy tính đầu tiên đánh bại một kỳ thủ cờ vây vô địch thế giới.

Để kiểm tra thuật toán, nhóm đã thử nghiệm với 54 nguyên tố trong bảng tuần hoàn. Thuật toán đã học cách tính toán các trường lực của các cụm nano cho mỗi phần tử và đưa ra một minh chứng thành công trong thời gian kỷ lục. Các tính toán thực nghiệm cũng được lặp lại trên hợp kim của hai nguyên tố. Sự phức tạp của các đám nano này khiến các nhà khoa học khó sử dụng các phương pháp truyền thống để mô hình hóa chúng một cách chính xác.

“Đây là một cái gì đó giống như hoàn thành các tính toán cho một số bằng Tiến sĩ. Rohit Batra, một chuyên gia CNM về các công cụ học máy và điều khiển dữ liệu chỉ trong vài ngày thay vì vài năm. Troy Loeffler, một nhà hóa học lý thuyết và tính toán trong CNM, tin rằng thuật toán này sẽ giúp các nhà nghiên cứu giải quyết những thách thức lớn trong nhiều lĩnh vực khoa học vật liệu.

Trước đây, nhiều thuật toán dựa trên trí thông minh nhân tạo như vậy đã được thiết kế sử dụng học tăng cường. Các thuật toán này giúp chơi các trò chơi như cờ vua và cờ vây, tự động hóa quá trình tổng hợp hóa học và thậm chí còn được sử dụng để khám phá ma túy.

Pencil

 

Comments are closed here.