只要對一塊半導(dǎo)體或其它晶體材料施加一點應(yīng)變,即會使其結(jié)構(gòu)中原子的有序排列發(fā)生變形,從而引發(fā)其性質(zhì)轉(zhuǎn)換——例如導(dǎo)電、透光或者傳導(dǎo)熱量等等。
如今,麻省理工學(xué)院、俄羅斯以及新加坡共同組建的一個研究小組,已經(jīng)找到利用人工智能以協(xié)助預(yù)測并管理此種變化的方法,而這有望為未來的高科技設(shè)備開辟前沿材料研究。
此項研究結(jié)果被發(fā)表在上周的《美國國家科學(xué)院院刊》上,由麻省理工學(xué)院核科學(xué)與工程學(xué)教授、材料科學(xué)與工程學(xué)教授Ju Li,麻省理工學(xué)院首席研究科學(xué)家Ming Dao,以及麻省理工學(xué)院研究生Zhe Shi共同撰寫。另外,俄羅斯Skolkovo科學(xué)與技術(shù)研究院的Evgenii Tsymbalov與Alexander Shapeev,Vannevar Bush退休教授、麻省理工學(xué)院前工程系主任兼現(xiàn)任新加坡南洋理工大學(xué)校長Subra Suresh亦參與其中。
基于麻省理工學(xué)院的一系列早期工作成果,他們已經(jīng)能夠在多種硅處理器芯片當(dāng)中實現(xiàn)一定程度的彈性應(yīng)變。通過讓電子以更高速度穿過材料,即使僅引發(fā)1%的整體結(jié)構(gòu)變化,也可以在某些情況下將器件的運行速度提高50%。
最近,由前麻省理工學(xué)院博士后、現(xiàn)就職于香港城市大學(xué)的Suresh、Dao與Yang Lu進(jìn)行的研究表明,即使是自然界中最為堅固且硬度極高的鉆石,在以納米級針狀形式存在時,亦可實現(xiàn)高達(dá)9%的彈性拉伸且不致結(jié)構(gòu)失效。Li和Yang同時證明,納米級硅線的純彈性拉伸承受量甚至超過15%。這些發(fā)現(xiàn)開發(fā)了一種新的途徑,使得我們能夠以前所未有的方法探索如何顯著改變材料的性質(zhì)以制造更多器件類別。
應(yīng)變改變排列
化學(xué)摻雜等原有改變材料性質(zhì)的方法,會導(dǎo)致材料產(chǎn)生永久性的靜態(tài)變化。與之不同,應(yīng)變工程允許研究人員在其運行過程當(dāng)中變更屬性。Li解釋稱,“應(yīng)變的特點,在于我們能夠以動態(tài)方式開啟并關(guān)閉一些屬性。”
不過,應(yīng)變工程材料的發(fā)展?jié)摿?,亦受到?yán)重阻礙。應(yīng)變能夠以六種不同的方式具體實現(xiàn)(立足不種不同的維度,其中每一個維度都能夠產(chǎn)生內(nèi)/外或者側(cè)向的應(yīng)變),且其各自擁有幾乎無限的度數(shù)級別,因此單純依靠反復(fù)試驗來探索全部可能性顯然不切實際。Li表示,“如果我們想要繪制整個彈性應(yīng)變空間,那么計算總量將快速增長至上億級別。”
正因為如此,該團隊才選擇以機器學(xué)習(xí)方法解決問題。他們希望借此建立一種系統(tǒng)性方式,從而探索可能性并找出適當(dāng)?shù)膽?yīng)變量與方向,最終實現(xiàn)面向特定屬性集的特定目標(biāo)。Li指出,“現(xiàn)在我們擁有了這種精度非常高的方法”,因此大大降低了需要面對的計算復(fù)雜性水平。
Suresh也解釋稱,“這項工作說明,材料物理學(xué)、人工智能、計算以及機器學(xué)習(xí)這些看似彼此毫無關(guān)聯(lián)的領(lǐng)域,仍然能夠以特殊的方式給支撐工業(yè)生產(chǎn)應(yīng)用的科學(xué)知識帶來重大影響。”
研究人員們表示,這種新的方法有望創(chuàng)造出新的材料,從而為電子、光電以及光子器件的構(gòu)建帶來新可能。這些器件將被廣泛應(yīng)用于通信、信息處理與能源等領(lǐng)域。
圖:在對硅等晶體材料施加少量應(yīng)變時,其性質(zhì)會發(fā)生顯著變化。例如,其能夠由極高的電阻轉(zhuǎn)換為像金屬一樣自由導(dǎo)電。
該團隊研究了應(yīng)變對于帶隙的影響。所謂帶隙,是指硅與鉆石等半導(dǎo)體當(dāng)中最為關(guān)鍵的電子特性的具體來源。利用神經(jīng)網(wǎng)絡(luò)算法,他們能夠以極高的精度預(yù)測應(yīng)變的不同量以及方向?qū)⒔o帶隙帶來怎樣的影響。
帶隙的“調(diào)諧”正是提高各類設(shè)備(例如硅太陽能電池)運行效率的一大關(guān)鍵工具,通過相關(guān)調(diào)整,我們能夠使設(shè)計更匹配其面向的能源類型。舉例來說,通過微調(diào)其帶隙,將能夠制造出陽光捕獲效率完全一致、但厚度僅為原本千分之一的新型硅太陽能電池。Li介紹稱,從理論上講,這種新材料“甚至能夠從半導(dǎo)體轉(zhuǎn)化為金屬。一旦證實了其在大規(guī)模生產(chǎn)產(chǎn)品中的可行性,那么這將帶來極為廣泛的應(yīng)用場景。”
雖然在某些情況下,我們也可以通過其它方法引發(fā)類似的變化,例如將材料放置在強電場當(dāng)中或者以化學(xué)方式進(jìn)行改變,但這些變化往往會對材料的屬性產(chǎn)生很多附帶影響;相比之下,應(yīng)變改變的影響就要小利多。Li解釋道,例如靜電場通常會干擾設(shè)備的運行,因為其會影響到電流通過目標(biāo)材料的方式。然而,應(yīng)變改變則不會產(chǎn)生這樣的干擾。
鉆石的潛力
作為一種半導(dǎo)體材料,鉆石擁有著巨大的潛力。但與硅技術(shù)相比,其仍然處于起步階段。Li指出,“這是一種屬性相當(dāng)極端的材料,擁有著相當(dāng)高的載流子遷移率。”所謂載流子遷移率,指的是電流中的正負(fù)電荷載體在鉆石當(dāng)中自由移動的方式。因此,鉆石很可能成為某些高頻電子設(shè)備及電力型電子設(shè)備內(nèi)器件的理想制造材料。
Li指出,通過某些方式,鉆石的利用潛力也許會比硅高出10萬倍。然而,其中也存在著不少局限性,包括沒有人能夠找到一種良好且可擴展的方法將金剛石層放置在大型基板當(dāng)中。另外,該材料也很難“摻雜”或者引入其它原子,而這正是半導(dǎo)體制造中最為關(guān)鍵的部分。
通過將材料放置在可調(diào)節(jié)的框架當(dāng)中,可以控制其應(yīng)變改變的數(shù)量與方向,Dao表示“我們終于在改變其摻雜劑的屬性方面,開拓出相當(dāng)大的靈活空間。”
雖然這項研究主要關(guān)注應(yīng)變對于材料帶隙的影響,但Li介紹稱“其中的方法可以推廣”到其它方面。這不僅能夠影響到電子特性,同時也將影響其它特性,例如光子與磁性行為。從當(dāng)前應(yīng)用于商業(yè)芯片的1%應(yīng)變開始,該團隊已經(jīng)發(fā)現(xiàn)了諸多新型應(yīng)用方向的發(fā)展空間。他們已經(jīng)證明,在不發(fā)生斷裂的前提之下,應(yīng)變比例有望高達(dá)近10%。他指出,“當(dāng)達(dá)到7%以上的應(yīng)變之后,我們真的能夠在材料之上實現(xiàn)很多改變。”
Li進(jìn)一步補充稱,“這種新的方法有可能會設(shè)計出前所未有的材料特性。然而,我們還需要繼續(xù)探索才能弄清楚應(yīng)該如何施加具體應(yīng)變,以及如何擴大工藝以在芯片中的上億個晶體管內(nèi)進(jìn)行應(yīng)變,同時確保它們都能夠按預(yù)期起效。”
斯坦福大學(xué)材料科學(xué)與工程學(xué)副教授Evan Reed(他并沒有參加此項研究)表示,“這項極具創(chuàng)新性的工作展示出,通過以高彈性應(yīng)變顯著加速外來電子在普通材料內(nèi)通過速度這一工程設(shè)計方向的潛力。這揭示出此類應(yīng)變工程在自然界所將擁有的機遇與局限,且必將獲得對重要技術(shù)抱有濃厚興趣的研究人員的廣泛關(guān)注。”
這項研究亦得到麻省理工學(xué)院Skoltech項目以及南洋理工大學(xué)的支持。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。