物理学家教机器学习物理知识，用来预测电子设备故障

物理学家喜欢用各类软件模拟重现天下的运作方式，跟着机械进修取得了一个又一个突破性结果，物理学家们开端思虑若何更好地使用机械进修来增强物理学的研讨，提出了「教机械进修物理常识以办理物理问题」的概念。

比来，美国科罗拉多年夜学博尔德分校的物理学家经由过程将第一性原理办法与机械进修技术联合到物理感知的电子传输信息学（ETI）框架中，可以猜测制作的半导体异质布局中的电子特征。将来，这种技术将可以在具稀有十亿个原子的微型芯片产生故障之前作出猜测。

这项研讨于 6 月 17 日以「First-principles prediction of electronic transport in fabricated semiconductor heterostructures via physics-aware machine learning」为题颁发在期刊《npj Computational Materials》上。

高速光纤通信、人造卫星通信，使用半导体异质布局的多种电信体系情势给我们的日常生涯带来了伟大变化。一些理论研讨讨论了非抱负性对异质布局电子特征的影响。然而，这些研讨本色上是参数化的。必需周全相识生长相关参数与电子特征之间的繁杂关系，以实现具有靠得住电子机能的目的半导体异质布局设计。

第一性原理技术可以或许以起码的试验输入猜测资料特征，然则，通常会带来年夜量的计算本钱。而得益于数据库提供的年夜量数据，基于 ML 的资料信息学办法越来越多地用于加快具有目的特征的新资料和布局的设计和发现。

是以，研讨职员提出了一个基于第一性原理的电子传输信息学 (ETI) 框架，该框架在小模子的从头猜测原子布局和电子能带特征长进行训练，并猜测电子传输系数即制作的半导体异质布局的热电势。

猜测异质布局电子特征的框架轮廓。（起源：论文）

与制作相关的布局参数与异质布局的电子特征之间的关系很繁杂，通常无法用第一性原理办法进行充足摸索。试验注解，可以胜利应用基于物理常识的机械进修技术来揭示的物理懂得的症结。

原子标准上的乐高积木年夜师

在这项研讨中，研讨职员绘制了由原子构成的「小积木」的物理特征，然后使用机械进修技术来估量由这些雷同积木创立的更年夜布局的行动。这有点像看着一块乐高积木试图猜测一个更年夜的城堡的强度。

「我们正试图相识具稀有十亿个原子的装备的物理特征，」论文通信作者、物理学家和航天工程师 Sanghamitra Neogi 说。「从本色上说，我们试图懂得这个有几十亿个原子的天下，与它相关的物理学是完全未知的。」

研讨职员以 16 个原子单元为研讨根基，可以模拟包括年夜约 100 个原子的体系。「此外，纵然一个体系中的原子数呈指数增加，模子进行猜测所需的计算光阴也只成线性增加，这意味着拥稀有十亿个原子的天下相对来说是可以达到的。」

机械进修内嵌物理常识

该团队训练了神经收集和随机丛林两种分歧的模子，并在抱负超晶格、非抱负一支布局、制作的异质布局三种分歧类型的布局长进行了测试。

测试用例包括多达 544 个原子，在分歧前提下，随机丛林的猜测成果与模拟成果的差别 3.7%-19%，神经收集的差别为 2.3%-9.6%。

「我以为这长短常聪慧的，」阿贡国度试验室的计算科学家 Logan Ward 表现，「这项研讨为了让机械进修模子施展作用，作者们在分歧阶段混合了他们对物理学的懂得，做了一项异常巧妙的事情。我以前从没见过如许的器械。」

固然该团队离肯定手机尺寸年夜小的装备中的所有潜在弱点还有很长的路要走，然则，到今朝为止，他们提出的这一模式已被证实是有用的。

论文链接：https://doi.org/10.1038/s41524-021-00562-0

参考内容：

https://www.colorado.edu/today/2021/06/21/ai-may-soon-predict-how-electronics-fail

https://spectrum.ieee.org/replacing-simulations-of-atomic-clusters-with-ai