本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
能源部橡树岭国家实验室领导的一项研究详细介绍了人工智能研究人员如何创建人工智能模型帮助识别用作核聚变反应堆中聚变应用部件外壳的新型合金。这些发现标志着改进核聚变设施的重要一步。
该项目几年前在前人工智能计划主任 David Womble 的领导下开始。ORNL 人工智能数据科学家 Massimiliano Lupo Pasini 主张继续在该倡议的人工智能科学发现 (AISD) 重点领域进行。这项研究的结果发表在《科学数据》杂志上。
“这些合金需要在非常高的温度下实现卓越的性能，无论是耐高温性还是使用所需的结构机械性能”Lupo Pasini 说道。
传统上，这些材料是使用钨作为主要元素，并注入其他元素作为补充。这种合金成分被证明可以耐高温，但在维持适当的屏蔽方面不一致。
“最近，材料科学界已经探索了用全新的、颠覆性的东西取代这些标准技术材料的机会，”Lupo Pasini 说道。
然而，考虑到大量的可能性，识别潜在的金属组合是一项重大挑战。在人工智能的指导下，研究人员可以绕过看似无休止的试错期，更有效地找到可行的候选合金。
Lupo Pasini 与 German Samolyuk、Jong Youl Choi、Markus Eisenbach、Junqi Yin 和 Ying Yang 合作，生成了这些数据用于创建人工智能模型，该模型确定了三种元素作为潜在的新合金候选物进行测试。Choi、Eisenbach 和 Yin 在 ORNL 的计算和计算科学理事会工作，而 Samolyuk 和 Yang 在物理科学理事会工作。
然而，这个人工智能生成的数据库只是该项目的前半部分。作者将使用生成的数据进行进一步的研究，致力于开发、训练和部署用于材料发现和设计的机器学习模型。
“为了支持新型难熔高熵合金的设计，我们需要涵盖六个要素，”Lupo Pasini 说。“而且，由于在现有超级计算机上运行量子力学计算非常昂贵，仅靠数据是不够的。”
昂贵的量子计算并不是团队创建的唯一需要克服的挑战。Lupo Pasini 说，“我们在 Perlmutter 和 Summit 超级计算机上花费了相当多的时间才生成我们刚刚发布的数据，”他说。“数据生成花费了一年多的时间。”
Perlmutter 超级计算机位于劳伦斯伯克利国家实验室，而 Summit 是橡树岭领导计算设施的一部分，位于橡树岭国家实验室。这两个计算系统都是美国能源部科学办公室的用户设施。
该团队的下一步是利用生成的数据并用它来训练人工智能模型，该模型将加速混合六种化合物所产生的各种化合物不同浓度的元素作为合金。
“我们正在尝试帮助材料科学家通过反复试验的方法来确定需要混合在一起才能实现的不同元素的相对百分比。Lupo Pasini 补充道：“我们正在研发能够带来颠覆性聚变技术进步的合金。”
更多信息：Massimiliano Lupo Pasini 等人，固溶体铌钽钒合金的第一原理数据中心立方结构，科学数据（2024）。DOI：10.1038/s41597-024-03720-3
期刊信息：科学数据
由橡树岭国家实验室提供