人工智能和高性能計算將演變擴展到超導體

研究人員利用人工智能和高性能超級計算機的力量來介紹和評估不同配置的缺陷對超導體性能的影響。

純種種馬的所有者在幾代人的比賽中精心培育獲獎馬匹，以百萬美元的比賽勉強維持一秒鐘。材料科學家從該劇本中汲取了一頁，轉向演化和人工選擇的力量，開發(fā)出能夠盡可能高效地傳輸電流的超導體。也許違反直覺的是，大多數應用的超導體都可以在高磁場下工作，因為它們含有缺陷。超導體內缺陷的數量，尺寸，形狀和位置共同作用以在存在磁場的情況下增強電流承載能力。然而，太多缺陷會導致阻斷電流通路或超導材料的破壞，因此科學家需要選擇性地將缺陷納入材料中。

在美國能源部(DOEArgonne國家實驗室)的一項新研究中，研究人員利用人工智能和高性能超級計算機的力量來介紹和評估不同配置的缺陷對超導體性能的影響。

研究人員開發(fā)了一種計算機算法，可以將每種缺陷視為生物基因。不同的缺陷組合產生能夠承載不同電流量的超導體。一旦算法確定了一組特別有利的缺陷，它就會將這組缺陷重新初始化為“種子”，從中可以出現新的缺陷組合。

“模擬的每一次運行都等同于算法尋求優(yōu)化的新一代缺陷的形成，”該研究的作者，阿貢的著名研究員和資深材料科學家Wai-Kwong Kwok說。“隨著時間的推移，缺陷結構逐漸變細，因為我們有意選擇能夠提供具有最高臨界電流的材料的缺陷結構。”

缺陷形成超導體的這種基本部分的原因在于它們能夠捕獲和錨定在磁場存在下形成的磁渦流。當施加電流時，這些渦流可以在純超導材料內自由移動。當他們這樣做時，他們開始產生阻力，否定超導效應。保持渦流固定，同時仍然允許電流穿過材料，對于尋求在不損失應用超導體的情況下尋找傳輸電力的方法的科學家來說，這是一個圣杯。

為了找到合適的缺陷組合來阻止渦流的運動，研究人員用隨機形狀和大小的缺陷初始化了他們的算法。雖然研究人員知道這將遠離最佳設置，但它為模型提供了一組中立的初始條件，可以從中起作用。當研究人員經歷了連續(xù)幾代模型時，他們看到初始缺陷轉變?yōu)橹鶢?，最終形成平面缺陷的周期性排列。

“當人們想到有針對性的進化時，他們可能會想到培育狗或馬的人，”該研究的相應作者阿格貢材料科學家安德烈亞斯格拉茨說。“我們的設計材料就是一個例子，計算機從前幾代學到了最好的缺陷排列。”

人工缺陷選擇過程的一個潛在缺點在于，某些缺陷模式可能在模型中變得根深蒂固，導致遺傳數據的一種鈣化。“從某種意義上說，你可以把它想象成近親繁殖，”郭說。“在幾代人之間保存我們的缺陷'基因庫'中的大部分信息既有利也有局限，因為它不允許進行劇烈的系統(tǒng)范圍轉換。但是，我們的數字'進化'可以用不同的初始種子重復以避免這些問題。”

為了運行他們的模型，研究人員需要Argonne和Oak Ridge國家實驗室的高性能計算設施。阿貢領導計算設施和橡樹嶺領導計算設施都是美國能源部科學用戶設施辦公室。

一篇基于該研究的文章“大型超導臨界電流固定景觀的目標演化”出現在5月21日的“美國國家科學院院刊”上。除了Kwok和Glatz之外，Argonne的Ivan Sadovskyy，Alexei Koshelev和Ulrich Welp也進行了合作。