O Laboratório de Inteligência Artificial de Xangai anunciou a 13 de maio que, apoiando-se na implementação geral do grande projeto nacional de ciência e tecnologia da nova geração de inteligência artificial 2030, o Laboratório de Inteligência Artificial de Xangai, em conjunto com o Laboratório Nacional de Suzhou, a Universidade de Tsinghua e outras instituições parceiras, conseguiu realizar com sucesso a preparação controlável de grafite monocristalino de alta qualidade com dimensões centimétricas e uma espessura superior a 200 micrómetros.
Base de dados como alicerce: Base de dados computacional de materiais à escala de cem milhões sustenta o treino
Segundo foi divulgado, o pré-requisito central para a investigação e desenvolvimento de materiais assistidos por inteligência artificial é o suporte de dados de alta qualidade. Para alcançar a preparação precisa de grafite monocristalino, a equipa conjunta construiu uma base de dados computacional de materiais à escala de cem milhões, orientada para o treino de potenciais atómicos de aprendizagem automática. Esta base de dados é significativamente superior às anteriores bases de dados de pequena escala em termos de integridade, precisão e âmbito de cobertura dos dados, ultrapassando eficazmente as limitações da dependência anterior de dados de pequena escala de código aberto ou bases de dados genéricas, estabelecendo uma base sólida para o desenvolvimento subsequente de modelos de IA de alta precisão.
Esta base de dados abrange principalmente dados computacionais de alta qualidade necessários para o treino de potenciais de aprendizagem automática no sistema níquel-carbono, incluindo aglomerados de níquel de diferentes tamanhos, estruturas de volume e de superfície, bem como configurações compostas formadas pelas estruturas de níquel acima mencionadas com várias configurações de carbono, como átomos de carbono, cadeias de carbono, anéis de carbono, grafeno e grafite, a diferentes temperaturas, fornecendo um suporte com amplitude e fiabilidade para o treino de potenciais de aprendizagem automática de alta precisão, e estabelecendo também uma base sólida para a investigação e desenvolvimento de modelos de IA para interfaces de materiais.
Algoritmo como motor: Modelo de função de potencial de aprendizagem automática constrói uma ponte de análise à escala atómica
Com base na base de dados acima mencionada, a equipa conjunta adotou o método de potencial de aprendizagem automática NEP de alta precisão e eficiência desenvolvido pelo Laboratório Nacional de Suzhou, combinado com o fluxo de trabalho de aprendizagem ativa, algoritmos de análise de incerteza e a estrutura de agente inteligente para materiais computacionais desenvolvidos pelo Laboratório de Inteligência Artificial de Xangai, desenvolvendo com sucesso um modelo de função de potencial de aprendizagem automática, que ultrapassou as limitações de escala e tempo dos cálculos tradicionais baseados em primeiros princípios.
Este modelo pode realizar simulações complexas de dinâmica de interface em sistemas com mais de cem mil átomos e milhões de passos atómicos, sendo capaz de capturar mecanismos microscópicos chave, como a aceleração da migração de carbono pelas fronteiras de macla, fornecendo uma ponte computacional à escala atómica para compreender os fenómenos macroscópicos de crescimento de grafite monocristalino de alta qualidade.
Mecanismo como motor: Preparação de grafite monocristalino de 200+ micrómetros supera recorde mundial
Com o auxílio do modelo de função de potencial de aprendizagem automática de alta precisão, a equipa conjunta realizou simulações de dinâmica atómica em larga escala e de longa duração. Através das experiências de simulação, a equipa não só revelou o processo completo de migração do carbono, desde a segregação, difusão, nucleação até ao crescimento na rede cristalina de níquel, como também reproduziu todo o processo de evolução da sua dissolução, segregação, nucleação e crescimento epitaxial em interfaces de níquel monocristalino e contendo fronteiras de macla, esclarecendo o mecanismo de crescimento do grafite monocristalino.
Além disso, através de experiências de simulação quantitativa, a equipa conjunta também clarificou as regras de regulação de parâmetros centrais como a temperatura de reação, a solubilidade do carbono, a taxa de difusão atómica e a estrutura das fronteiras de macla na qualidade do crescimento do grafite monocristalino, fornecendo um suporte teórico e uma base computacional quantificáveis, previsíveis e aplicáveis para a otimização e atualização dos processos de preparação de materiais.
Com base nas descobertas científicas acima mencionadas, a equipa conjunta montou um sistema de crescimento de grafite monocristalino, conseguindo finalmente preparar com sucesso grafite monocristalino de alta qualidade com dimensões centimétricas e espessura superior a 200 micrómetros — esta espessura é mais de 3 vezes superior ao nível mundial atual. Este avanço científico explora também um caminho de investigação inteligente que transita da "tentativa e erro" para a "orientação por mecanismos", validando o importante valor da IA como uma "ferramenta revolucionária" para impulsionar a descoberta científica.
No futuro, a equipa conjunta continuará a basear-se em modelos de inteligência artificial para realizar investigação sobre a otimização de parâmetros de processos experimentais e fabrico em escala, promovendo continuamente o desenvolvimento do grafite monocristalino para maior qualidade, maior área e produção em massa mais estável, expandindo ativamente o seu potencial de aplicação em áreas como dispositivos eletrónicos, gestão térmica e equipamentos de ponta, e explorando a formação de um novo paradigma de I&D baseado em dados massivos, centrado em modelos de inteligência artificial, orientado pela compreensão de mecanismos, validado pela preparação experimental e direcionado para o fabrico em escala, impulsionando a integração profunda e contínua da inteligência artificial com a ciência dos materiais.