2021首期Nature封面:牛津大學ML算法實現10萬高壓非晶矽原子的模擬

2021-01-10 澎湃新聞

機器之心報導

機器之心編輯部

自生物領域之後，材料領域也被人工智慧攻陷了。

依靠算法推斷能力和強大的算力，很多人都認為 AI 在材料設計、材料篩選和材料性能預測等領域擁有很大潛力。

為了對一般無序結構材料有更深的理解，人們廣泛研究了非晶矽在高壓條件下的富相行為。然而在和原子打交道的層面上，人們一直需要藉助量子力學來理解材料的結構和鍵合，這僅限於尺度很小的模型系統，如果用機器學習算法從量子力學數據中「學習」會是怎麼樣？

在 2021 年的第一期《自然》雜誌封面研究中，來自牛津大學的 Volker Deringer 等人展示了模擬加壓非晶矽的原子機器學習模型，成功解決了這一挑戰，並捕獲了實驗中遇到的所有結構變化。這種計算方法可以為實驗條件極富挑戰性的材料預測建模開啟全新的方式。

這是 2020 年 12 月 DeepMind 人工智慧解決生物學之後，人工智慧在又一個新的領域展現強大能力。現在，人類已經能夠實現 10 納米尺度，十萬個矽原子系統的模擬——使用常規方法的話，即使是超級計算機也需要耗費大量時間。

該研究的團隊，除了牛津大學副教授、計算化學家 Volker Deringer 之外，還有來自美國、瑞士等國，劍橋大學、美國海軍研究實驗室、洛桑聯邦理工學院、俄亥俄大學等研究機構的學者。

「這項工作是機器學習和計算化學在原子層面上提供對材料新見解的一個範例——- 描述結構複雜的相（非晶形、納米晶等）及其轉化。我很期待未來將會發生什麼！」在論文發表後，Volker Deringer 說道。

牛津大學理論與計算無機化學副教授 Volker Deringer。

非晶矽結構轉變的歷史回顧

非晶矽又稱無定形矽，是單質矽的一種形態，其不具有完整的金剛石晶胞，熔點、密度和硬度也明顯低於晶體矽。這種介於固體和液體之間、無固定形式的過渡物質很難研究，而現在機器學習提供了對壓力誘導的非晶矽變化的全新見解。

研究人員正在開發機器學習方法以精確模擬無序固體和液體的結構和化學鍵，建模充足數量的原子以便與實驗數據進行直接比較。在這篇《Nature》封面論文中，Deringer 等人使用這種方法探索壓縮下非晶矽的結構，此時這種元素從半導體態轉變為金屬態。研究表明，非晶態材料的結構轉變比結晶相之間的轉變要緩慢得多，且涉及納米結構域的形成以及任何結晶態中都未發現的局部原子排列。

論文地址：https://www.nature.com/articles/s41586-020-03072-z

矽屬於融化時密度上升的元素，這一不尋常現象還發生在冰上（冰的密度低於水，因而可以浮在水上）。這種出人意料的固液態密度反轉與一種叫做多非晶型轉變（polyamorphism），即物質以不同非晶相存在時，其結構和屬性有顯著區別。

液態矽在環境中是金屬導體，而固態矽是半導體，這一事實支撐了它們在計算機晶片、太陽能電池板等技術領域中的應用。在室溫條件下，固態矽可以呈現結晶或無序結構的非結晶形式。在這兩種形式下，每個原子都以四面體排列鍵合到其他四個原子上。但在壓縮條件下，結晶和非結晶固態矽轉變為了更緻密的結構，這一過程還伴隨著向金屬導電性能的轉變。

20 世紀 70 年代，研究人員進行了量熱實驗，以研究加熱和冷卻過程中伴隨非結晶和結晶矽形式轉變的能量變化。結果表明，存在兩種非結晶形式的矽，並且二者之間存在相變。之後的模擬實驗表明，矽從低密度非結晶（LDA）相（其配位數，即每個矽原子周圍的原子數為 4）轉變為高密度非結晶（HDA）相，後者的結構類似於金屬液態矽。在非結晶固態矽的快速加熱過程以及環境溫度下非結晶矽的壓縮過程中都發現了這種 LDA-HDA 相變。

矽結晶相之間的結構轉變可以通過衍射方法輕鬆地觀察到，但非結晶態之間的結構轉變卻更難展開研究，這是因為隨著密度的增加結構轉變的次數越來越少。這時計算機模擬開始發揮作用：它們能夠可視化不同相原子的排列，並對產生的特性進行預測和解釋。這裡的主要挑戰是建模充足的原子以對模擬結果和真實樣本的宏觀數據進行比較，同時保持足夠的精度以對原子的排列和鍵合進行描述。

在研究相變的過程中，計算機模擬還受自身時間尺度的限制。當前可用的計算資源常常將基於準確量子力學計算的模擬限制在包含數十至數百個原子的系統上，且時間尺度通常為飛秒（1 飛秒等於 10^-15 秒）。使用較少計算需求量建模策略的模擬則可以擴展至數百或數千個原子。但隨著系統規模的增大或者模擬時長的增加，對研究材料結構和物理屬性的預測準確率會有所下降。

機器學習算法模擬高壓非晶矽原子

而 Deringer 等人最近提出的方法通過機器學習，對包含 10 萬個矽原子的系統從冷卻的液態到 20 萬大氣壓（20GPa）壓縮過程提供了前所未有的結構和鍵能信息。這表明，人們可以建模的原子數大大增加了，同時該方法的精度接近於使用量子力學計算從第一性原理進行的最佳模擬精度。

最重要的是，這一建模系統足夠強大，可以揭示出原子無定形簇的亞穩態聚集。該模擬還發現了新的結晶現象，而此前使用較少原子數或精度較差模型來描述原子交互的那些模擬並未觀察到這一現象。這些發現高擬真度地再現了實驗中觀察到的溫度和壓力，這些溫度和壓力涉及從宏觀上觀察到的矽熔化、其他相變以及金屬行為的開始。

模擬表明，壓縮時發生的結構變化要比人們以前意識到得更加複雜（如下圖）。和矽在結晶相之間的轉變一樣，此時處於配位數為 4 的排列中的原子不會同時轉變為配位數更高的相。取而代之的是，非晶結構逐漸演化以產生具有高配位數的高密度納米尺度疇（nanoscale domain），它在原始的四面體 LDA 結構內發展得到。隨著密度增加，HDA 域之間會形成連接，從而產生一種具有整體金屬導電性的材料。通過在壓縮矽上施加方向性應力，我們可以在現實世界中修改這種單質的金屬導電性。

Deringer 等人研究中對於非晶矽的大規模模擬。

該研究的模擬還表明，隨著系統進一步被壓縮，它的體積可以快速坍塌約 25%，從而帶來非常高密度的金屬態。這在模擬的納秒級即可快速實現結晶化，形成矽金屬相的納米疇。

液態矽的壓縮過程。

這一結果可以幫助我們理解多非晶型形轉變如何更普遍地出現在不同液相和玻璃態結構之間。Deringer 及其同事的機器學習方法可以在皮秒級時間內準確模擬非晶矽（1 皮秒等於 10^−12 秒），其溫度和壓力範圍和液相與晶相、液態與玻璃態、兩個非晶相之間的轉變有關。因而這項研究發現為學習此前難以探索的大量非晶材料的轉變提供了契機。

過冷液態矽的玻璃化。

該研究提出的方法還可用於探索非晶矽轉換的可能性，或矽中包含少量其他元素的「混雜」材料，以生成包含金屬和半導體的納米結構。這類納米結構可能為開發新技術，如電子通信、數據處理和能量收集，創造新的機會。

參考內容：

https://www.nature.com/articles/d41586-020-03574-w

© THE END

轉載請聯繫本公眾號獲得授權

投稿或尋求報導：content@jiqizhixin.com

原標題：《2021首期Nature封面：牛津大學ML算法實現10萬高壓非晶矽原子的模擬》

閱讀原文

相關焦點

  • 2021首期自然封面:ML算法實現10萬高壓非晶矽原子的模擬
    依靠算法推斷能力和強大的算力，很多人都認為 AI 在材料設計、材料篩選和材料性能預測等領域擁有很大潛力。為了對一般無序結構材料有更深的理解，人們廣泛研究了非晶矽在高壓條件下的富相行為。然而在和原子打交道的層面上，人們一直需要藉助量子力學來理解材料的結構和鍵合，這僅限於尺度很小的模型系統，如果用機器學習算法從量子力學數據中「學習」會是怎麼樣？
  • ML算法實現10萬高壓非晶矽原子模擬;E2E單階段目標檢測
    機器之心 & ArXiv Weekly Radiostation參與：杜偉、楚航、羅若天本周的重要論文包括牛津大學等機構的學者利用機器學習算法實現 10 萬高壓非晶矽原子的模擬，以及香港大學和字節跳動 AI 實驗室研究者提出的端到端單階段目標檢測器
  • 2021年第一篇《Nature》封面文章誕生
    然而，由於最先進的實驗和計算技術的內在局限性(例如，通過模擬可以獲得的系統尺寸)，對無序矽結構轉變的詳細機理一直缺乏理解。近日，來自英國牛津大學的VolkerL. Deringer等研究者，展示了如何在精確的量子力學計算上訓練原子機器學習模型，以此可用來描述10萬個原子(10 nm長度尺度)體系的液態非晶和非晶-非晶轉變，預測結構、穩定性和電子性質。
  • 人類首次實現高壓下室溫超導,研究登上Nature封面
    「室溫超導有可能實現嗎？」這個問題困惑了人們許多年。而最新一期的 Nature 雜誌封面研究給出了肯定的答案，該研究製造出了第一個無需冷卻即可使電阻消失的超導體。這項研究從投稿到接收僅用了不到十天的時間，並登上了最新一期 Nature 雜誌的封面，或可說明其重要性和突破性，畢竟實現室溫超導對於人類而言尚屬首次。
  • 人類首次實現高壓下室溫超導，研究登上Nature封面
    「室溫超導有可能實現嗎？」這個問題困惑了人們許多年。而最新一期的 Nature 雜誌封面研究給出了肯定的答案，該研究製造出了第一個無需冷卻即可使電阻消失的超導體。這項研究從投稿到接收僅用了不到十天的時間，並登上了最新一期 Nature 雜誌的封面，或可說明其重要性和突破性，畢竟實現室溫超導對於人類而言尚屬首次。
  • 登上Nature子刊封面:英特爾神經晶片實現在線學習
    機器之心報導參與：澤南、蛋醬神經形態晶片真的可以模擬人腦嗎？最近一期《自然機器智能》的封面研究向我們展示了這一可能性。近日，來自英特爾和康奈爾大學的研究者宣布，團隊已經在神經形態晶片 Loihi 上成功設計了基於大腦嗅覺電路的算法，實現了在線學習和強記憶力能力。這項研究發表在最新一期自然雜誌子刊上《Nature Machine Intelligence》上，並成為封面文章。
  • Science封面：谷歌實現量子化學模擬，迄今為止全球首例
    其發表的題為《超導量子比特量子計算機的 Hartree-Fock 近似模擬》（Hartree-Fock on a Superconducting Qubit Quantum Computer）的成果論文，當天便登上了《自然》雜誌封面。
  • Science封面:谷歌實現量子化學模擬,迄今為止全球首例!
    量子計算模擬化學反應值得一提的是，這已經是谷歌第二次因量子研究登上《自然》雜誌封面了。第一次是在去年10月，谷歌重磅發布量子優越性研究成果。Sycamore 處理器之所以採用量子計算機模擬，是由於原子和分子受量子力學系統控制，可以通過量子位來存儲信息並執行計算，因此有望成為精確模擬的最佳方法。
  • 21世紀以來,登上Nature雜誌封面的13篇中國論文
    試驗中，無人自行車不僅可以識別語音指令、實現自平衡控制，還能對前方行人進行探測和跟蹤，並自動避障。 調節作物生長代謝以實現農業可持續發展 2018年8月30日刊的《Nature》封面刊登了中科院傅向東等人的研究。研究表明：提高GRF4蛋白的活性可以提高作物的氮素利用效率，同時保持其高產量。
  • 谷歌量子計算登《科學》封面 量子模擬了化學反應
    今日，谷歌的量子計算機登上了Science封面，他們成功用12個量子比特模擬了二氮烯的異構化反應。　　這已經是谷歌量子計算機第二次登上頂級學術期刊封面了。　　去年10月，谷歌的量子計算機因為實現了「量子優越性」登上了Nature封面，僅用了200秒就解決了超算需要1萬年才能求解的量子電路採樣問題。　　這臺量子計算機還能幹什麼？谷歌說過，能模擬化學分子。不到一年時間，他們就做到了。　　因為分子遵循的是量子力學，用量子計算來模擬也更為合理。只需更少的運算量和信息，就能計算出化學物質的性質。
  • 谷歌量子計算登《科學》封面 量子模擬了化學反應
    今天，谷歌的量子計算機登上了Science封面，他們成功用12個量子比特模擬了二氮烯的異構化反應。去年10月，谷歌的量子計算機因為實現了「量子優越性」登上了Nature封面，僅用了200秒就解決了超算需要1萬年才能求解的量子電路採樣問題。這臺量子計算機還能幹什麼？谷歌說過，能模擬化學分子。不到一年時間，他們就做到了。
  • 谷歌量子計算登Science封面，首次對化學反應進行量子模擬
    去年10月，谷歌的量子計算機因為實現了「量子優越性」登上了Nature封面，僅用了200秒就解決了超算需要1萬年才能求解的量子電路採樣問題。谷歌說過，能模擬化學分子。不到一年時間，他們就做到了。去年穀歌的Sycamore量子處理器實現了53個量子比特的糾纏，所以就用它來模擬幾個簡單的化學分子試試看。
  • 新年首篇Nature封面——機器學習揭示緻密非晶態矽的複雜性
    【基礎知識】機器學習（Machine Learning, ML）是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
  • 前沿透視:Nature Communications - 人工智慧輔助原子模擬理解固態氫奇異熔化行為
    要弄清楚為什麼H2液體更稠密，有必要使用更大規模的原子體系，但是模擬如此的規模通常超出了第一性原理方法的計算能力。為了解決這一難題，我們引入了機器學習方法，通過學習大量的小體系的第一性原理的計算結果，構造出了高精度的原子間相互作用勢函數。
  • 2021年雙色球首期爆出10注頭獎
    2021年雙色球首期爆出10注頭獎2021年新年來到，雙色球大獎的腳步也緊隨其後。近日，福彩雙色球為彩民送上2021年的首期開獎，全國再次爆發，開出10注頭獎，其中來自廣州花都和白雲區的兩位彩民彩運亨通，分別斬獲1注頭獎，喜迎開門紅。
  • 首個室溫超導體登上 Nature 封面！15°C 刷新紀錄，超高壓下展現超導特性
    在最新一期的《自然》雜誌（Nature）封面上，也寫著一串激動人心的英文單詞：Superconductivity finally reaches room temperature（室溫下也終於能實現超導特性了）。
  • 華東師大首次實現燃料燃燒高精度計算機模擬—新聞—科學網
    華東師範大學化學與分子工程學院朱通團隊結合人工智慧算法、量子化學理論以及分子動力學方法，實現了燃料燃燒的高精度計算機模擬，在原子尺度和亞飛秒時間解析度下獲得了甲烷燃燒的化學反應網絡
  • 遇事不決,量子力學:谷歌量子計算模擬化學反應登上Science封面
    機器之心報導編輯：張倩、杜偉原子和分子是受量子力學控制的系統，用量子計算模擬化學反應，或許是最好的方法。去年 10 月，谷歌宣布實現的論文登上了《自然》雜誌封面，成為科技領域關注的焦點。
  • Nature 封面：科學家製備出世界上第一個常溫超導材料
    文丨學術頭條10 月 14 日，本周最新一期《自然》封面，介紹了羅徹斯特大學發表的一篇重磅論文，研究人員創造出一種2017 年，哈佛大學教授艾薩克・西爾維拉 (Isaac Silvera) 和當時在西爾維拉實驗室做博士後的 Dias，首次實現了這一目標。而這次為了創造新的記錄，Dias 在羅徹斯特大學的實驗室將氫、碳和硫元素，在一個金剛石壓腔中（用於在極高壓下極微量材料的實驗裝置）通過光化學合成簡單的碳質硫氫化物，將可以實現零電阻的溫度提高到了 15 攝氏度。
  • 機器學習模擬1億原子:中美團隊獲2020「超算諾貝爾獎」戈登貝爾獎
    著名物理學家理察 · 費曼曾說過：「人類總是在不斷地嘗試理解生命，在這條道路上，如果非要我們說出一個最強大的假設，那就是：所有的東西都是由原子組成的，生物所做的一切都可以通過原子的振動和擺動來理解。」 分子動力學（MD）是一種計算機模擬方法，可以用來分析原子和分子在一段固定的時間內如何移動與交互。