肯特大学、卡迪夫大学、达勒姆大学和利兹大学联合研究团队开发了一种算法,训练计算机分析嵌入在先进电子材料中的亚原子粒子发出的信号。
μ介子在大型粒子加速器中产生,被注入材料样品中研究它们的磁性能。μ介子的用处是独一无二的,它们在磁性上与材料内部的单个原子结合,然后发射出一种信号,研究人员可以探测到这种磁性的信息。
这种在原子尺度上检测磁性的能力使介子测量成为对电子材料(包括超导体和其他奇异形式的“量子材料”)磁性探测最强大的手段之一。
由于不可能通过简单的信号检查来推断材料中发生了什么,研究人员通常将他们的数据与一般模型进行比较。相比之下,目前的研究小组采用了过去被应用于人脸识别的主成分分析(PCA)技术。
通过PCA技术,计算机可以在输入的许多相关但不同图像中,运行一种算法来识别少量的“原型”图像,这些图像可以被组合起来,以很高的精度再现任何原始图像。通过这种方式训练的算法可以继续执行诸如识别新图像是否与之前看到的图像相匹配等任务。
研究人员采用了PCA技术来分析嵌入在复杂材料中的介子发出的信号,利用STFC Rutherford Appleton实验室ISIS中子和介子源获得的实验数据来训练算法处理各种量子材料。
结果表明,在检测相变方面,新技术与标准方法一样熟练,在某些情况下,可以检测到超出标准分析能力的相变。
编译/前瞻经济学人APP资讯组
本文来源前瞻网,转载请注明来源。本文内容仅代表作者个人观点,本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com)