基于人工智能可以加速专用纳米粒子的开发麻省理工学院物理学家开发的一项新技术可能会在某一天提供一种方法来定制设计具有所需属性的多层纳米颗粒，这种纳米颗粒有可能用麻省理工学院物理学家开发的一项新技术可能会在某一天提供一种方法来定制设计具有所需属性的多层纳米颗粒，这种纳米颗粒有可能用于显示、隐形系统或生物医学设备。它还可能帮助物理学家解决各种棘手的研究问题，在某些情况下，这些方法的速度可能比现有方法快几个数量级。这项创新使用了计算神经网络一种人工智能的形式来“学习”纳米颗粒的结构是如何影响其行为的，在这种情况下，它是如何根据成千上万的训练例子散射不同颜色的光的。

打开连尚头条，看更多新鲜猛料

人工智能被用来逆设计纳米粒子以发射特定的光谱颜色。在这里，一个神经网络被显示绑定在发射光谱期望的颜色和发射光谱的纳米颗粒之间。这是研究中使用的过程：神经网络基于粒子的几何结构生成光谱。图片：然后在了解了它们之间的关系之后，这个程序就可以从本质上向后运行，以设计出一种粒子，该粒子具有所需的一组光散射特性——这一过程称为逆设计。这项研究结果发表在《科学进展》杂志上，由麻省理工学院大四学生约翰·皮尤里福伊、研究机构沈一晨、研究生李静、物理学教授马林·索尔贾西奇和其他五人共同撰写。索尔贾西克说，虽然这种方法最终可能会带来实际应用，但这项工作主要是出于科学的兴趣，因为它可以预测各种纳米工程材料的物理性质，而不需要通常用于解决此类问题的计算密集型模拟过程。

说，他们的目标是研究神经网络，这一领域近年来已经取得了很大的进步，并引起了人们的兴奋，可以看到“我们是否可以利用这些技术来帮助我们进行物理研究。所以，基本上电脑是否足够智能以至于他们可以做一些更智能的任务来帮助我们理解和使用一些物理系统？为了验证这个想法，使用了一个相对简单的物理系统，为了了解哪些技术是合适的，以及了解它们的局限性，以及如何最好地利用它们，我们使用神经网络在一个特定的纳米光子学系统上进行了研究。

纳米光子学是一种球心同心圆的纳米粒子系统。纳米颗粒像洋葱一样分层，但每一层都由不同的材料制成，厚度也不同。纳米颗粒的大小与可见光的波长或更小的波长相当，不同颜色的光散射这些粒子的方式取决于这些层的细节和入射光束的波长。对于多层的纳米颗粒来说，计算所有这些效应对于多层的纳米颗粒来说都是一项密集的计算任务，而且随着层数的增加，复杂性也会变得更糟。研究人员想知道神经网络是否能够预测一种新的粒子如何散射光的颜色——不仅是通过在已知的例子之间进行插值，而且还可以通过计算出某种潜在的模式来让神经网络进行推断。

麻省理工学院的一名博士生说：这些模拟非常精确，所以当将它们与实验进行比较时，它们都是逐点复制的。”但它们在数字上相当密集，所以需要相当长的时间。想在这里看到的是，如果我们向神经网络展示这些粒子的一些例子，很多不同的粒子，神经网络是否可以为它发展“直觉”毫无疑问，神经网络能够很好地预测光散射和波长图的精确模式——不是很完美，但非常接近，而且时间更短。神经网络模拟“现在比精确的模拟要快得多。所以现在你可以使用神经网络而不是真正的模拟，它会给你一个相当准确的预测。但这是有代价的，代价是我们必须首先训练神经网络。

人工智能被用来逆设计纳米粒子，以发射期望的光谱和有期望的性质。在这里，纳米粒子材料的后续层厚度被送入神经网络，用来预测光谱。图片：不过，一旦对网络进行了培训，未来的任何模拟都将获得加速的全部好处，因此对于需要重复模拟的情况，它可能是一个有用的工具。但是这个项目的真正目的是了解方法论，而不仅仅是这个特定的应用。索尔贾西克说：我们对这个特殊系统感兴趣的一个主要原因是我们理解了这些技术，而不仅仅是模拟纳米颗粒。下一步就是反向运行这个程序，以一组期望的散射特性作为起点，看看神经网络是否能够计算出实现输出所需的纳米颗粒层的精确组合。在工程领域，许多不同的技术已经被开发用于反设计，这是一个巨大的研究领域。但通常为了建立一个给定的逆设计问题，它需要相当长的时间，所以在很多情况下，你必须是领域的专家，然后花几个月的时间来解决它。

但是有了这个团队训练的神经网络，没有为此做任何特别的准备。令人惊讶的是，当我们将它与其他一些更标准的逆向设计方法进行比较时，这是最好的方法之一，它实际上比传统的逆向设计要快得多。最初的动机是建立一个普通的工具箱，任何一个普通的受过良好教育的人都不是光能的专家。这是我们最初的动机，它显然在这个特殊的案例中非常有效。在某些逆向设计模拟中，加速是非常重要的。皮尤里福伊说“很难对苹果和苹果进行精确的比较，但可以有效地说，已经获得了几百倍的收益。”因此，这种收益是非常真实的——在某些情况下，它会从几天减少到几分钟。

博科园科学科普｜参考期刊文献：｜来自：麻省理工学院

图片来源于网络