16+ /

Акции IT-компаний

Apple - $203.86

Google - $1236.37

Facebook - $178.28

Amazon - $1861.69

Microsoft - $123.37

Yandex - $37.34

Netflix - $360.35

Как большие данные помогают узнать новые свойства обычных материалов

21.10.2019 19:52

Порой даже вещества и материалы, о которых, казалось бы, известно абсолютно все, могут довольно сильно удивить. При этом для того, чтобы узнать новые свойства веществ, вовсе не обязательно «изучать их изнутри», разбирая в отдельности каждую элементарную частицу, которая составляет эти вещества. Так, например, недавно группа исследователей с помощью технологий машинного обучения и больших данных смогла открыть новые свойства никеля.

Согласно исследованию, опубликованному журналом Physical Review, группа исследователей во главе с Эдвином Фохтунгом, профессором материаловедения и инженерии в Политехническом институте Ренсселера, нашла новый способ работы с никелем путем «разблокировки» его свойств. При этом подобное открытие позволяет использовать его в огромной куче самых разнообразных проектов — от разработки компактных биосенсоров до создания квантовых компьютеров. К слову, о квантовых компьютерах мы регулярно сообщаем на странице нашего портала. Подписывайтесь на нас, чтобы не пропустить самое важное!

Ученые Политехнического института Ренсселера поняли, что когда никель «раскатывают» до размеров крайне тонкой однокристальной нанопроволоки и подвергают воздействию механической энергии, вырабатывается очень сильное магнитное поле. Это явление названо магнитострикцией. И наоборот, если магнитное поле приложено к этому материалу, то атомы внутри изменят форму. Это перемещение атомов может быть использовано для сбора энергии. Хотя никель является довольно распространенным материалом, подобные свойства ранее не были известны.

Исследователи обнаружили это уникальное свойство с помощью метода под названием безлинзовая микроскопия, в котором синхротрон используется для сбора данных. Синхротрон представляет собой установку с кольцевой вакуумной камерой, в которой частицы ускоряются до скорости, близкой к скорости света, а стоящие на их пути мощные электромагниты задают траекторию их движения. Таким образом можно узнать очень многое о поведении и свойствах элементарных частиц. Но объем информации, собираемый с синхротрона, очень огромен и тут то и пригодились алгоритмы машинного обучения.

Данные «скормили» компьютерным алгоритмам, которые создали трехмерные изображения плотности электронов и смещения атомов никеля в веществах разной толщины и плотности. Используя массив нейросетей, которые работали с большими данными, удалось получить изображения лучшего качества, чем при использовании традиционных микроскопов, давая исследователям больше информации.

Источник

Космические новости

Транспорт и концепты

Роботы и нейросети

Наука и мир ученых

Программное обеспечение

Железо и комплектующие

Смартфоны и гаджеты

Игровая индустрия и спорт

Интернет и новости