Stellen Sie sich vor, das Leben bewegt sich mit der 40.000-fachen Geschwindigkeit. Ein Flug von New York nach Los Angeles würde nur eine halbe Sekunde dauern, und eine Tomate wäre drei Minuten nach dem Pflanzen ihres Samens reif.
Ein Forschungsteam am Sandia National Laboratories Sandia in den USA hat einen Weg gefunden, sich zu verbessern maschinelles Lernen damit der Entwurfsprozess von Materialien für neue Technologien sein kann 40.000 mal schneller .
Ihre Forschung wurde veröffentlicht in Computermaterialien am Montag.
SIEHE AUCH: ETHIK NACH DESIGN: SCHRITTE FÜR DEN VERANTWORTLICHEN GEBRAUCH DER TECHNOLOGIE
Das Team von Sandia hat es geschafft, mithilfe von maschinellem Lernen materialwissenschaftliche Berechnungen mit der 40.000-fachen Geschwindigkeit durchzuführen.
Diese neue Weiterentwicklung könnte die Art und Weise verändern, wie neue Technologien für Optik, Luft- und Raumfahrt, Energiespeicherung und sogar Medizin hergestellt werden. Darüber hinaus könnten die Labors, die diese Technologien entwickeln, Geld bei den Rechenkosten sparen.
" Wir verkürzen den Entwurfszyklus ", erklärt David Montes de Oca Zapiain ein Computermaterialwissenschaftler bei Sandia, der die Forschung leitete.
"Das Design von Komponenten übertrifft das Design der Materialien, die Sie zum Erstellen benötigen, erheblich. Wir möchten dies ändern. Sobald Sie eine Komponente entworfen haben, möchten wir in der Lage sein, ein kompatibles Material für diese Komponente zu entwerfen, ohne dies zu müssenwarte jahrelang, wie es beim aktuellen Prozess passiert. "
Wie schnell der Algorithmus für maschinelles Lernen arbeitet
Als Beispiel stellte das Team fest, dass eine einzelne, nicht unterstützte Simulation auf einem Hochleistungsrechnercluster von 128 Prozessorkerne nahm 12 Minuten . Mit ihrem neuen maschinellen Lernen dauerte genau diese Simulation jedoch nur 60 Millisekunden nur mit 36 Prozessorkerne Äquivalente. Das ist 42.000 mal schneller als ohne maschinelles Lernen.
Mit anderen Worten, was würde normalerweise dauern ein Jahr für Forscher dauert das Lernen jetzt nur noch 15 Minuten .
" Unser Framework für maschinelles Lernen erreicht im Wesentlichen die gleiche Genauigkeit wie das High-Fidelity-Modell, jedoch zu einem Bruchteil des Rechenaufwands ", sagte der Sandia-Materialwissenschaftler. Rémi Dingreville der auch Teil des Projekts war.
Das Team blickt in die Zukunft und in den nächsten Schritten wird es mit seiner Algorithmus zur Erforschung ultradünner optischer Technologien für Monitore und Bildschirme.