Машинное обучение ускорило процесс создания новых материалов

Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.

Какое-то время продолжим трудится на общее благо по адресу https://n-n-n.ru.
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.

Спасибо, ждём вас на N-N-N.ru

Химики и физики Южного федерального университета проводят междисциплинарное исследование, которое поможет определить архитектуру наночастиц по данным спектроскопии рентгеновского поглощения. Этот подход позволяет ускорить процесс обработки данных и поиска наилучших катализаторов для низкотемпературных топливных элементов.

Ученые ЮФУ провели совместный междисциплинарный научный проект, посвященный исследованию архитектуры биметаллических наночастиц в составе электрокатализаторов для низкотемпературных топливных элементов. Суть исследования заключается в автоматизации процесса обработки экспериментальных данных за счет использования алгоритмов машинного обучения.

В работе приняли участие сотрудники кафедры теоретической и вычислительной физики Физического факультета ЮФУ, профессора и доктора физико-математических наук Леон Авакян и Лусеген Бугаев, а также сотрудники лаборатории «Наноструктурные материалы для электрохимической энергетики» Химического факультета ЮФУ, доктор химических наук, главный научный сотрудник Владимир Гутерман, ведущие научные сотрудники Сергей Беленов и Анастасия Алексеенко.

obuchenie1.pngСергей Беленов / ©Пресс-служба ЮФУ

«Мы, как физики, занимаемся обработкой и глубоким анализом экспериментальных данных в науке о материалах. Поскольку сами мы не синтезируем новые материалы, сотрудничество с группой Химического факультета ЮФУ для нас жизненно важно. Именно они синтезируют новые материалы с выдающимися и необычными свойствами. Благодаря этому исследованию мы можем понять, как же устроен синтезированный нанокомпозитный материал на атомном уровне. Это нужно для того, чтобы понимать, было ли достигнуто желаемое строение наночастиц ядро-оболочка, градиент. Или все смешалось и получился сплав», – профессор кафедры теоретической и вычислительной физики Физического факультета ЮФУ Леон Авакян.

obuchenie2.pngЛеон Авакян / ©Пресс-служба ЮФУ

«Междисциплинарные исследования позволяют получить новое качество работы, поскольку без современных методов исследования и подходов к обработке данных от коллег с Физического факультета невозможно детально характеризовать архитектуру полученных на Химическом факультете наночастиц», – добавила ведущий научный сотрудник Химического факультета ЮФУ Анастасия Алексеенко.

obuchenie3.pngАнастасия Алексеенко / ©Пресс-служба ЮФУ

Алгоритмы машинного обучения, примененные учеными, выявили существенную чувствительность теоретических функций радиального распределения металла к архитектуре биметаллических наночастиц. По словам ученых, эти результаты можно применить при определении архитектуры наночастиц по данным спектроскопии рентгеновского поглощения. Результаты данного исследования позволят автоматизировать процесс определения структуры сложных наночастиц, что ускорит поиск высокоэффективных катализаторов для низкотемпературных топливных элементов.

«Результаты были получены на основании проведенных ранее EXAFS измерений на Синхротроне BESSY II (г. Берлин, Германия). Функции радиального распределения атомов в биметаллических наночастицах были получены как теоретически, с использованием метода молекулярной динамики, так и экспериментально, из анализа тонкой структуры спектров рентгеновского поглощения (EXAFS) на Pt L3– и Cu K-краях», – отметил ведущий научный сотрудник Химического факультета ЮФУ Сергей Беленов.

Работа поддержана грантом Российского научного фонда. Результаты совместных исследований опубликованы в международном высокорейтинговом журнале Computational Materials Science.

Пожалуйста, оцените статью:
Пока нет голосов
Источник(и):

Naked Science