از یادگیری ماشینی برای بررسی ویژگی سطوح در مقیاس نانو استفاده شد

یافته های اخیر محققان موسسه توکیوتک نشان می دهد که یادگیری ماشینی (ML) امکان محاسبه دقیق و کارآمد خواص الکترونیکی اکسیدهای فلزی دوتایی و سه تایی را روی سطوح فراهم می کند.

- یافته های اخیر محققان موسسه توکیوتک نشان می دهد که یادگیری ماشینی (ML) امکان محاسبه دقیق و کارآمد خواص الکترونیکی اکسیدهای فلزی دوتایی و سه تایی را روی سطوح فراهم می کند.

این مدل مبتنی بر یادگیری ماشینی را می توان برای بررسی سایر خصوصیات سطح نیز استفاده کرد.

در حال حاضر از این یافته ها می توان برای بررسی خواص سطح مواد و توسعه مواد کاربردی استفاده کرد.

به گزارش سایت قطره و به نقل ازایسنا، طراحی و توسعه مواد جدید با خواص عالی، نیاز به تجزیه و تحلیل جامع از ساختارهای اتمی و الکترونیکی آن ها دارد.

پارامترهای انرژی الکترون، مانند پتانسیل یونیزاسیون (IP)، یعنی انرژی مورد نیاز برای حذف یک الکترون از لایه ظرفیت، و الکترون دوستی (EA)، یعنی میزان انرژی آزاد شده پس از اتصال یک الکترون به باند هدایت، مهم هستند.

تخمین دقیق IPs و EAs در مواد غیر فلزی می تواند کاربرد آن ها را برای استفاده به عنوان سطوح و رابط های عملکردی در تجهیزات حساس و دستگاه های نوری نشان دهد.

علاوه بر این IPs و EAs به طور قابل توجهی به ساختارهای سطح بستگی دارند.