MIT团队开发新的AI方法，可将材料热性能预测速度提升数千倍

文章预览

（来源：MIT News） 据估计，全球大约 70% 的能源最终以废热的形式流失。 如果科学家能够更精确地预测热量如何在半导体和绝缘体中移动，他们就能设计出效率更高的电力生成系统。然而，材料的热性能，特别是与一种称为声子（Phonons）的亚原子粒子相关的特性，其预测极为复杂。声子携带热能，而材料的某些热特性取决于一种称为声子色散关系的测量方法，这种方法很难获得，更不用说在系统设计中加以利用了。 为应对这一挑战，麻省理工学院的研究者们及其合作者重新思考了整个问题。他们的成果是一种全新的机器学习框架，能够以比其他人工智能技术快 1000 倍的速度预测声子色散关系，同时保持同等甚至更高的精度。与传统的非 AI 方法相比，这种新方法的速度提升可达 100 万倍。 这项技术的相关论文的主要作者之一， 核科学与工程学副教 ………………………………