革命性的人工智能方法解开了摩擦的秘密！

革命性的人工智能方法解开了摩擦的秘密！

摩擦是一种普遍存在的现象，发生在许多技术和生物系统中，从发动机到技术设备再到人体关节。尽管摩擦每天都存在，但涉及摩擦的物理过程通常很复杂并且难以通过实验进行研究。然而，弗莱堡大学和卡尔斯鲁厄理工学院 (KIT) 开发的一种新模拟方法可能会改变这一状况。该方法使用人工智能 (AI) 在分子水平上分析摩擦并做出更好的预测。

研究人员的研究结果发表在杂志上科学进步已发表的研究表明，不同长度尺度的物理模型和机器学习方法的结合提供了有希望的见解。卡尔斯鲁厄理工学院的 Peter Gumbsch 教授表示，这项技术可以让人们更深入地了解复杂的摩擦系统，这引起了工业和材料科学的极大兴趣。弗莱堡大学的 Lars Pastewka 教授补充道，这种创新方法可以对摩擦进行真实的预测，这对于开发新型低摩擦系统和耐用材料至关重要。

新的模拟方法

新开发的方法更精确地描述摩擦，并将过程转移到更大的技术相关系统。它提高了模拟摩擦系统时的准确性和效率。这些方法特别有价值，因为理解摩擦力通常基于不准确的假设。计算机模拟帮助研究人员更好地了解摩擦、润滑和相关磨损的复杂机制。

该方法的核心要素是使用主动学习方法，这使得可以通过生成新的训练数据来不断改进底层模型。该研究的主要作者 Hannes Holey 博士将该方法描述为理解复杂摩擦系统的突破。这不仅是一项学术进步，而且为开发未来更高效、性能更好的材料和系统奠定了良好的基础。

跨学科方法

各研究所之间的跨学科合作表明人工智能在材料科学中变得越来越重要。人工智能不仅用于预测材料特性，还用于从未探索的化学结构空间中发现新材料。这些技术彻底改变了新材料的获取方式，并显着扩展了材料研究领域的可能性。尽管数据共享和标准化方面的挑战仍然存在，但 PoLyInfo 等数据库举措正在促进获取所需信息资源。

材料科学中的人工智能催生了多种用于预测材料特性的方法，例如贝叶斯优化和随机森林回归器。该领域取得进展的一个例子是使用随机森林回归器首次成功预测化学空白空间中的新材料。

总体而言，研究机构之间的合作以及人工智能在摩擦研究中的使用表明了新技术的强大力量。物理模型和智能算法之间的联系对于在不久的将来开发新的、持久的材料和系统至关重要。

套件报告 关于这一消息以及人工智能在现代材料科学中的重要作用，弗莱堡大学在其 新闻稿 强调了这一创新的变革力量。有关材料科学中人工智能的更多信息，请参阅 维基百科 。