人工智能和高性能計(jì)算將演變擴(kuò)展到超導(dǎo)體

研究人員利用人工智能和高性能超級(jí)計(jì)算機(jī)的力量來介紹和評(píng)估不同配置的缺陷對(duì)超導(dǎo)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(jiǎng)馬匹，以百萬美元的比賽勉強(qiáng)維持一秒鐘。材料科學(xué)家從該劇本中汲取了一頁(yè)，轉(zhuǎn)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(dǎo)體。也許違反直覺的是，大多數(shù)應(yīng)用的超導(dǎo)體都可以在高磁場(chǎng)下工作，因?yàn)樗鼈兒腥毕?。超?dǎo)體內(nèi)缺陷的數(shù)量，尺寸，形狀和位置共同作用以在存在磁場(chǎng)的情況下增強(qiáng)電流承載能力。然而，太多缺陷會(huì)導(dǎo)致阻斷電流通路或超導(dǎo)材料的破壞，因此科學(xué)家需要選擇性地將缺陷納入材料中。

在美國(guó)能源部(DOEArgonne國(guó)家實(shí)驗(yàn)室)的一項(xiàng)新研究中，研究人員利用人工智能和高性能超級(jí)計(jì)算機(jī)的力量來介紹和評(píng)估不同配置的缺陷對(duì)超導(dǎo)體性能的影響。

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

“模擬的每一次運(yùn)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(xué)家Wai-Kwong Kwok說。“隨著時(shí)間的推移，缺陷結(jié)構(gòu)逐漸變細(xì)，因?yàn)槲覀冇幸膺x擇能夠提供具有最高臨界電流的材料的缺陷結(jié)構(gòu)。”

缺陷形成超導(dǎo)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(chǎng)存在下形成的磁渦流。當(dāng)施加電流時(shí)，這些渦流可以在純超導(dǎo)材料內(nèi)自由移動(dòng)。當(dāng)他們這樣做時(shí)，他們開始產(chǎn)生阻力，否定超導(dǎo)效應(yīng)。保持渦流固定，同時(shí)仍然允許電流穿過材料，對(duì)于尋求在不損失應(yīng)用超導(dǎo)體的情況下尋找傳輸電力的方法的科學(xué)家來說，這是一個(gè)圣杯。

為了找到合適的缺陷組合來阻止渦流的運(yùn)動(dòng)，研究人員用隨機(jī)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(yuǎn)離最佳設(shè)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(dāng)研究人員經(jīng)歷了連續(xù)幾代模型時(shí)，他們看到初始缺陷轉(zhuǎn)變?yōu)橹鶢?，最終形成平面缺陷的周期性排列。

“當(dāng)人們想到有針對(duì)性的進(jìn)化時(shí)，他們可能會(huì)想到培育狗或馬的人，”該研究的相應(yīng)作者阿格貢材料科學(xué)家安德烈亞斯格拉茨說。“我們的設(shè)計(jì)材料就是一個(gè)例子，計(jì)算機(jī)從前幾代學(xué)到了最好的缺陷排列。”

人工缺陷選擇過程的一個(gè)潛在缺點(diǎn)在于，某些缺陷模式可能在模型中變得根深蒂固，導(dǎo)致遺傳數(shù)據(jù)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(kù)'中的大部分信息既有利也有局限，因?yàn)樗辉试S進(jìn)行劇烈的系統(tǒng)范圍轉(zhuǎn)換。但是，我們的數(shù)字'進(jìn)化'可以用不同的初始種子重復(fù)以避免這些問題。”

為了運(yùn)行他們的模型，研究人員需要Argonne和Oak Ridge國(guó)家實(shí)驗(yàn)室的高性能計(jì)算設(shè)施。阿貢領(lǐng)導(dǎo)計(jì)算設(shè)施和橡樹嶺領(lǐng)導(dǎo)計(jì)算設(shè)施都是美國(guó)能源部科學(xué)用戶設(shè)施辦公室。

一篇基于該研究的文章“大型超導(dǎo)臨界電流固定景觀的目標(biāo)演化”出現(xiàn)在5月21日的“美國(guó)國(guó)家科學(xué)院院刊”上。除了Kwok和Glatz之外，Argonne的Ivan Sadovskyy，Alexei Koshelev和Ulrich Welp也進(jìn)行了合作。