समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

उष्णनिदाघदिनम्, २.स्मार्टफोन्, टैब्लेट् इत्यादयः इलेक्ट्रॉनिकयन्त्राणि प्रायः "अतितापनस्य" कारणेन कार्यक्षमतायाः सुरक्षायाः च समस्यां जनयन्ति । . उत्तमतापविसर्जनेन सह इलेक्ट्रॉनिक उत्पादानाम् डिजाइनं कथं करणीयम्, सामग्रीः एव कुञ्जी।

मुख्यलिङ्केषु एकः अस्ति : १.पदार्थानां तापगुणानां सम्यक् पूर्वानुमानं कुर्वन्तु。

पदार्थेषु तापं परिवहनं कुर्वन्ति मुख्याः वाहकाः फोनोनाः सन्ति, अन्तरफलके फोनोनानां परिवहनं प्रकीर्णनतन्त्रं च पदार्थस्य तापवाहकतां निर्धारयति अतः फोनोनप्रकीर्णनसम्बन्धस्य सटीकप्रतिरूपणं पदार्थानां तापगुणानां पूर्वानुमानस्य कुञ्जी अभवत् ।

अधुना कनवीन कृत्रिमबुद्धि (AI) विधयःपारम्परिकयन्त्रशिक्षणप्रतिमानानाम् अपेक्षया भौतिकतापगुणानां पूर्वानुमानं बहुधा त्वरयतिशतशः सहस्राणि यावत् वर्धितः。

अधुना एव म्यासाचुसेट्स् इन्स्टिट्यूट् आफ् टेक्नोलॉजी (MIT) इत्यस्य शोधदलेन तेषां सहकारिभिः च अस्मिन् क्षेत्रे महत्त्वपूर्णाः सफलताः प्राप्ताः ते "वर्चुअल् नोड् ग्राफ न्यूरल नेटवर्क्" (VGNN) इति नामकं तंत्रिकाजालं डिजाइनं कृतवन्तःVGNN व्यक्तिगतसङ्गणके केवलं कतिपयेषु सेकेण्ड्षु सहस्राणां सामग्रीनां कृते फोनोनप्रसारसम्बन्धानां गणनां सम्पूर्णं कर्तुं शक्नोति ।。

प्रासंगिकस्य शोधपत्रस्य शीर्षकं "Virtual node graph neural network for full phonon prediction" इति अस्ति तथा च वैज्ञानिकपत्रिकायां Nature Computational Science इत्यस्मिन् प्रकाशितम् अस्ति

अध्ययनेन ज्ञातं यत् वीजीएनएन न केवलं फोनोन् भविष्यवाणीयां सफलः अभवत्, अपितु...अन्येषां जटिलसामग्रीगुणानां पूर्वानुमानं कुर्वन्तु यथा इलेक्ट्रॉनिकपट्टिकासंरचना, प्रकाशीयशोषणशिखराः, चुम्बकत्वं चकिञ्चित् सामर्थ्यं अपि दर्शयति ।

पूर्वानुमानवेगः शतशः सहस्राणि वा वर्धते

अनुमानं भवति यत् वैश्विकरूपेण उत्पद्यमानायाः ऊर्जायाः अनुमानतः70%अन्ते अपव्ययतापः भवति ।

यदि वैज्ञानिकाः अर्धचालकानाम् इन्सुलेटर्-इत्यस्य च माध्यमेन तापः कथं गच्छति इति अधिकतया पूर्वानुमानं कर्तुं शक्नुवन्ति तर्हि ते अधिककुशल-विद्युत्-उत्पादन-प्रणालीनां परिकल्पनां कर्तुं शक्नुवन्ति । परन्तु पदार्थानां तापगुणानां प्रतिरूपणं अत्यन्तं कठिनं भवति ।

पदार्थानां तापगुणाः पदार्थस्य सूक्ष्मसंरचना, परमाणुव्यवस्था, रासायनिकबन्धनम् इत्यादिभिः विविधैः जटिलकारकैः प्रभाविताः भवन्ति ।

सामग्री-ताप-गुणानां पूर्वानुमानं मुख्यतया फोनोन-प्रकीर्णन-सम्बन्धानां मापनेन निर्भरं भवति पारम्परिक-प्रयोगात्मक-मापनस्य सैद्धान्तिक-गणना-विधिनाम् प्रयोगात्मक-उपकरणानाम्, कार्याणां च उच्चा आवश्यकता भवति, ते समय-ग्राहिणः, महती च भवन्ति, तथा च द्रुत-अनुमानस्य आवश्यकताः पूर्तयितुं कठिनाः भवन्ति बृहत्-परिमाणेन परीक्षणम्।

सामग्रीगुणानां पूर्वानुमानार्थं यन्त्रशिक्षणस्य उपयोगं कुर्वन् प्रयोगात्मकमापनस्य, गणनाप्रतिरूपणस्य इत्यादीनां कारकानाम् प्रभावात् फोनोनप्रकीर्णनसम्बन्धानां मापनं प्रतिरूपणप्रक्रिया च अत्यन्तं जटिला भवति, वर्तमानकाले च सटीकरूपेण पूर्वानुमानं कर्तुं कठिनम् अस्ति

अस्मिन् कार्ये VGNN आभासीनोड्-प्रवर्तनं कृत्वा चर-अथवा अपि मनमाना-आयामी-निर्गम-लक्षणं सम्भालितुं शक्नोति, येन जटिल-सामग्रीषु परमाणु-संरचनायाः प्रत्यक्षतया क्षेत्रीय-केन्द्र-फोनोन-ऊर्जायाः पूर्ण-फोनोन-बैण्ड-संरचनायाः च गणनां सक्षमं भवति, तथा च फोनोन-गुणानां बृहत्तरेषु अनुकूलनेषु सक्षमं भवति संरचनात्मकनिर्माणक्षेत्रे प्राप्तं भवति।

चित्र |.ग्राफ तंत्रिकाजालवर्धनार्थं सामान्यविधिरूपेण VGNN पद्धतेः अवलोकनम्

विशेषतः, शोधदलेन त्रीणि भिन्नानि वर्चुअल् नोड् वर्धनयोजनानि प्रस्तावितानि, यथा वेक्टर वर्चुअल् नोड् (VVN), मैट्रिक्स वर्चुअल् नोड् (MVN) तथा च गतिसम्बद्धं मैट्रिक्स वर्चुअल् नोड् (k-MVN)

वीवीएन योजना आभासी नोड्सतः प्रत्यक्षतया फोनोन स्पेक्ट्रमं प्राप्नोति, परन्तु सूचनासञ्चारस्य अड़चनं भवति सम्पूर्णं फोनोनबैण्डसंरचनां प्राप्तुं गतिनिर्भरतां जनयितुं यूनिट् सेल् अनुवादस्य उपयोगं करोति ।

परिणामेषु ज्ञायते यत् एताः पद्धतयः जटिलसामग्रीषु फोनोनप्रकीर्णनसम्बन्धानां सफलतया पूर्वानुमानं कुर्वन्ति ।

VGNN मॉडलस्य कार्यक्षमतायाः परीक्षणार्थं शोधदलेन 8 GPUs इत्यस्य उपयोगेन प्रयोगानां श्रृङ्खलां परिकल्पितवती यत् 5 घण्टाभ्यः न्यूनेन समये 146,000 तः अधिकानि भविष्यवाणयः उत्पन्नं भवति, यत्र एकस्मिन् एकककोशिकायां 400 परमाणुपर्यन्तं सामग्रीः सम्मिलिताः आसन्

सम्प्रति यन्त्रशिक्षणक्षेत्रे फोनोन्-पूर्वसूचनायाः मुख्या पद्धतिः एमएलआईपी अस्ति, अतः शोधकर्तारः प्रयोगेषु सटीकतायां कार्यक्षमतायाः च दृष्ट्या वीजीएनएन-एमएलआईपी-योः कार्यप्रदर्शनस्य तुलनां कृतवन्तः

चित्र |.VGNN तथा MLIP इत्येतयोः गणनासमयस्य चालनसमयस्य च तुलना

प्रयोगात्मकपरिणामेषु ज्ञायते यत् वीजीएनएन व्यवस्थितरूपेण फोनोनप्रसारसम्बन्धानां पूर्वानुमानस्य गतिं शतशः सहस्रगुणं यावत् सुधारयति शोधकर्तारः अवदन् यत् वीजीएनएन गतिशीलमात्रिकायाः ​​तत्त्वानां प्रत्यक्षतया अनुमानं कर्तुं एकां अद्वितीयपद्धतिं प्रयुङ्क्ते, गणनाशक्तिः, अन्तर-परमाणुविभवानाम् द्वितीयक्रमस्य व्युत्पन्नानि, एमएलआईपी गणनाप्रक्रियायां प्रयुक्तानि फूरियररूपान्तराणि च त्यक्त्वा भविष्यवाणीदक्षतायां महत्त्वपूर्णं सुधारं करोति

तदतिरिक्तं वीजीएनएन-प्रतिरूपं न केवलं जटिलसामग्रीगुणानां पूर्वानुमानस्य सटीकतायां पारम्परिकजीएनएन-पद्धतिं अतिक्रमयति, अपितु त्रयोऽपि प्रतिरूपाः तापक्षमतायाः पूर्वानुमाने सशक्तं प्रदर्शनं दर्शयन्ति, तथा च k-MVN-प्रतिरूपे सर्वाधिकं लघुदोषः भवति .

शोधदलेन इदमपि दर्शितं यत् भौतिकप्रतिरूपस्य आधारेण आभासीनोडसंयोजनयोजनां स्वीकृत्य जटिलसामग्रीभिः सह व्यवहारं कुर्वन् प्रतिरूपस्य बहिर्प्रक्षेपणक्षमतायां महती उन्नतिः अभवत्

चित्रं3k-MVN पूर्णफोनोन् उपपट्टिकासंरचनायाः पूर्वानुमानं करोति

MVN तथा k-MVN योजनाः शतशः परमाणु-एकक-कोशिकाभिः सह जटिल-सामग्रीषु उत्तम-सामान्यीकरण-क्षमताम् दर्शयन्ति, यत् अपि दर्शयति यत् आभासी-नोड-संयोजन-योजनानां परिकल्पनायां समस्यायाः भौतिक-आधारस्य सावधानीपूर्वकं विचारः प्रतिरूपस्य स्वरूपं वर्धयितुं शक्नोति .

शोधं दर्शयति यत् यद्यपि सामान्यफोनोन्-पट्टिकासंरचना तुल्यकालिकरूपेण जटिला अस्ति तथापि k-MVN-प्रतिरूपं फोनोन-पट्टिकायाः ​​स्थितिं आकारं च पूर्वानुमानं कर्तुं शक्नोति, यथा भिन्न-भिन्न-आप्टिकल्-शाखानां मध्ये अन्तरालम्

शोधदलेन उच्च-एन्ट्रोपी-मिश्रधातुनां फोनोन-गुणानां गणनाय वर्चुअल्-नोड् जीएनएन-इत्यस्य उपयोगः अपि कृतः, एकलक्षाधिकसामग्रीणां कृते फोनोन-प्रकीर्णन-दत्तांशकोशः स्थापितः च एषा सफलता न केवलं फोनोन-अनुमानस्य दक्षतायां सटीकतायां च महत्त्वपूर्णतया सुधारं करोति, अपितु भविष्यस्य सामग्री-निर्माणस्य अनुकूलनस्य च कृते एकं शक्तिशालीं साधनं अपि प्रदाति

अभावाः सम्भावनाश्च

यद्यपि VGNN मॉडलेन सामग्रीनां तापगुणानां पूर्वानुमानं कर्तुं महती क्षमता दर्शिता अस्ति तथापि शोधदलेन एतदपि उक्तं यत् इलेक्ट्रॉनिकपट्टिकासंरचनानां पूर्वानुमानं कुर्वन् दीर्घदूरपर्यन्तं अन्तरक्रियाणां प्रभावं गृहीतुं k-MVN मॉडल् अद्यापि कठिनम् अस्ति

एतासां समस्यानां समाधानार्थं शोधदलस्य योजना अस्ति यत् वर्चुअल् नोड्-डिजाइनस्य अनुकूलनं कृत्वा प्रशिक्षण-दत्तांशसमूहानां विविधतां वर्धयित्वा मॉडल्-प्रदर्शने अधिकं सुधारः करणीयः

भविष्ये वीजीएनएन-पद्धतिः सामग्री-अनुमान-क्षेत्रेषु विस्तृत-परिधिषु प्रयुक्ता भविष्यति, यत्र मिश्रधातुनां, अन्तरफलकानां, अनाकार-घन-सामग्रीणां च इष्टतम-निर्माणं भवति तथा,एषा प्रौद्योगिकी न केवलं नवीनसामग्रीणां आविष्कारं अनुप्रयोगं च त्वरितरूपेण स्थापयितुं साहाय्यं करिष्यति, अपितु ऊर्जारूपान्तरणं, ताप ऊर्जाभण्डारणं, अतिचालकसामग्री इत्यादीनां उच्चप्रौद्योगिकीक्षेत्राणां विकासं च प्रवर्धयिष्यति。

https://www.nature.com/articles/s43588-024-00661-0

https://www.nature.com/articles/s43588-024-00665-w

｜मम अनुसरणं कर्तुं क्लिक् कुर्वन्तु तथा च तारयितुं स्मर्यताम्