Nuovo modello di machine learning

Sviluppato un modello di apprendimento automatico (machine learning) per calcolare le proprietà ottiche di una struttura nota e per progettare una struttura con le proprietà ottiche desiderate.

Capire come la materia interagisce con la luce - le sue proprietà ottiche - è fondamentale in una miriade di tecnologie energetiche e biomediche, come la somministrazione mirata di farmaci, i punti quantici, la combustione del carburante e il cracking della biomassa. Ma il calcolo di queste proprietà è computazionalmente intenso e il problema inverso - progettare una struttura con le proprietà ottiche desiderate - è ancora più difficile.

Ora gli scienziati del Berkeley Lab hanno sviluppato un modello di apprendimento automatico che può essere utilizzato per entrambi i problemi: calcolare le proprietà ottiche di una struttura nota e, inversamente, progettare una struttura con le proprietà ottiche desiderate. Il loro studio è stato pubblicato su Cell Reports Physical Science. (1)

«Il nostro modello si comporta in modo bidirezionale con elevata precisione e la sua interpretazione recupera qualitativamente la fisica di come i materiali metallici e dielettrici interagiscono con la luce», ha detto l'autore corrispondente, il dottor Sean Lubner. (2) Egli osserva che la comprensione delle proprietà radiative (che include le proprietà ottiche) è altrettanto importante nel mondo naturale per calcolare l'impatto degli aerosol come il carbonio nero sui cambiamenti climatici.

Il modello di apprendimento automatico proposto in questo studio è stato addestrato sui dati di emissività spettrale da quasi 16.000 particelle di varie forme e materiali che possono essere fabbricati sperimentalmente.

«Il nostro modello di machine learning accelera il processo di progettazione inversa di almeno due o tre ordini di grandezza rispetto al metodo tradizionale di progettazione inversa», ha detto il coautore, il dottor Ravi Prasher, (3) che è anche Associate Director for Energy Technologies di Berkeley Lab.

Mahmoud Elzouka, Charles Yang e Adrian Albert, tutti scienziati dell'area Energy Technologies di Berkeley Lab, erano anche coautori.

Una nuova pietra miliare dei dati per l'esperimento CUORE in Italia

CUORE raccoglie un volume record di dati per un esperimento utilizzando cristalli solidi per cercare un processo ultrarare

Di Glenn Roberts Jr.

Circondato da piombo e anche schermato da quasi un miglio di roccia dal bombardamento naturale di particelle sulla superficie terrestre, l'esperimento CUORE (4) ha accumulato il più grande set di dati finora per un progetto di questo tipo, che utilizza cristalli solidi per rilevare un evento teorizzato che risponderebbe a una grande domanda su come la materia ha vinto sull'antimateria nel nostro universo. Ci direbbe anche se le particelle spettrali chiamate neutrini, che attraversano la maggior parte della materia ininterrottamente, sono essenzialmente le loro stesse antiparticelle.

I dati raccolti da CUORE, l'Osservatorio sotterraneo criogenico per eventi rari, rappresentano ora più di una “tonnellata-anno” di dati (equivalente a un anno di dati se i cristalli pesassero una tonnellata) raccolti da uno stato solido (cristallo vs. liquido o gas) per un esperimento nel suo genere, basato sul peso dei cristalli del suo rivelatore. CUORE ha un array di 988 rivelatori di cristalli. I suoi cristalli pesano ciascuno circa 1,6 libbre e in totale pesano circa 0,8 tonnellate.

Situato presso il Laboratorio Nazionale del Gran Sasso (Laboratori Nazionali del Gran Sasso, o LNGS, gestito dall'Istituto Italiano di Fisica Nucleare, INFN) nel centro Italia, CUORE ha raggiunto una pietra miliare nel superare di circa 10 volte i dati raccolti per esperimenti comparabili, ha detto Yury Kolomensky, (5) portavoce statunitense della collaborazione CUORE e scienziato senior presso il Lawrence Berkeley National Laboratory (Berkeley Lab) del Dipartimento dell'Energia degli Stati Uniti.

L'esperimento è progettato per rilevare un processo di decadimento nucleare teorizzato e mai visto prima noto come decadimento doppio beta senza neutrini, che si verifica negli atomi di tellurio-130, un isotopo radioattivo nei cristalli del rivelatore. Un isotopo è una forma di un elemento con più o meno neutroni (particelle scariche) nel suo nucleo rispetto allo standard.

CUORE ha effettuato la sua ricerca ultrasensibile ininterrottamente dal 19 marzo 2020. Funziona vicino allo zero assoluto, la temperatura più fredda dell'universo conosciuto. La collaborazione CUORE prevede di eseguire l'esperimento per altri pochi anni, per poi aggiornarlo a CUPID, un nuovo rilevatore ancora più sensibile. Berkeley Lab guiderà la partecipazione degli Stati Uniti al progetto internazionale CUPID.

Riferimenti:

(1) Interpretable Forward and Inverse Design of Particle Spectral Emissivity Using Common Machine-Learning Models

(2) Sean Lubner

(3) Ravi Prasher

(4) Cuore - LNGS

(5) Yury Kolomensky

Descrizione foto: Il controllo delle interazioni luce-materia è fondamentale per una varietà di importanti applicazioni, come i punti quantici, che possono essere utilizzati come emettitori di luce e sensori. - Credit: PlasmaChem.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: A Machine Learning Solution for Designing Materials with Desired Optical Properties