东方时讯网使用机器学习和简单的X射线光谱，研究人员可以发现可能实现下一代计算机芯片或量子设备的化合物。
拓扑材料是一类奇特的材料，其表面表现出与其内部不同的电气或功能特性，自2007年通过实验实现以来一直是研究的热门领域。这一发现引发了进一步的研究，并促成了2016年的诺贝尔物理学奖。这些材料被认为在各个领域都具有巨大的潜力，并且有朝一日可能会用于超高效电子或光学设备或量子计算机的关键组件。
但理论上可能有数千种化合物具有拓扑特性，合成和测试即使是一种这样的材料以确定其拓扑特性也可能需要数月的实验和分析。现在，麻省理工学院和其他地方的一组研究人员提出了一种新方法，可以快速筛选候选材料，并以超过90%的准确率确定它们是否具有拓扑结构。
使用这种新方法，研究人员制作了一份候选材料清单。其中一些已知具有拓扑特性，但这种方法新预测了其余部分。
麻省理工学院47届职业发展教授李明达、麻省理工学院研究生(和双胞胎姐妹)尼娜·安德烈耶维奇和哈佛大学乔瓦娜·安德烈耶维奇以及麻省理工学院的其他七人在《先进材料》杂志上发表了这一发现，哈佛大学、普林斯顿大学和阿贡国家实验室。
拓扑材料以数学的一个分支命名，该分支根据形状的不变特性描述形状，无论物体被连续拉伸多少或从其原始形状中挤出多少，这些形状都会持续存在。类似地，拓扑材料具有保持不变的特性，尽管它们的条件发生变化，例如外部扰动或杂质。
拓扑材料有多种，包括半导体、导体和半金属等。最初，人们认为只有少数这种材料，但最近的理论和计算预测，实际上有数千种不同的化合物可能至少具有某些拓扑特征。困难的部分是通过实验弄清楚哪些化合物可能是拓扑的。
这种材料的应用范围很广，包括可以执行类似于硅基设备但能量损失少得多的计算和数据存储功能的设备，或者从废热中有效收集电力的设备，例如在火力发电厂或电子设备。拓扑材料还可以具有超导特性，这有可能用于构建拓扑量子计算机的量子比特。
但所有这一切都依赖于开发或发现合适的材料。“要研究拓扑材料，你首先要确认材料是否是拓扑的，”李说，“这部分是传统上很难解决的问题。”一种称为密度泛函理论的方法用于执行初始计算，然后需要进行复杂的实验，这些实验需要将一块材料切割成原子级的平坦度，并在高真空条件下用仪器对其进行探测。“由于各种技术困难，大多数材料甚至无法测量，”NinaAndrejevic说。但对于那些可以的人来说，这个过程可能需要很长时间。“这是一个非常艰苦的过程，”她说。
Li解释说，传统方法依赖于测量材料的光发射或隧穿电子，而他和他的团队开发的新技术依赖于吸收，特别是材料吸收X射线的方式。与传统测试所需的昂贵设备不同，X射线吸收光谱仪很容易获得，并且可以在室温和大气压力下运行，不需要真空。这种测量在生物学、化学、电池研究和许多其他应用中广泛进行，但它们以前没有被应用于识别拓扑量子材料。
X射线吸收光谱提供给定材料样品的特征光谱数据。下一个挑战是解释该数据及其与拓扑属性的关系。为此，该团队求助于机器学习模型，输入一组关于已知拓扑和非拓扑材料的X射线吸收光谱的数据，并训练该模型以找到将两者相关联的模式。它确实发现了这种相关性。
“令人惊讶的是，在对1500多种已知材料进行测试时，这种方法的准确率超过90%，”NinaAndrejevic说，并补充说预测只需几秒钟。“鉴于传统工艺的复杂性，这是一个令人兴奋的结果。”
尽管该模型有效，但与机器学习的许多结果一样，研究人员尚不清楚它为何有效，或者将X射线吸收与拓扑特性联系起来的潜在机制是什么。“虽然将X射线光谱与拓扑相关联的学习函数很复杂，但结果可能表明测量敏感的某些属性(例如局部原子结构)是关键的拓扑指标，”JovanaAndrejevic说。
该团队使用该模型构建了一个元素周期表，该表显示了该模型对由每种元素制成的化合物的整体准确性。它是一种工具，可帮助研究人员了解可能为给定应用提供正确特性的化合物家族。研究人员还对他们使用这种X射线方法进行的化合物进行了初步研究，而没有事先了解其拓扑状态，并编制了一份包含100种有希望的候选材料的清单——其中一些已知是拓扑的。
加州大学伯克利分校Chern-Simons物理学教授JoelMoore说：“这项工作代表了机器学习的首批用途之一，用于理解实验试图告诉我们关于复杂材料的哪些信息。”这项研究。“从理论上讲，许多种拓扑材料都广为人知，但寻找候选材料并验证它们是否具有正确的能带拓扑结构可能具有挑战性。机器学习似乎提供了一种应对这一挑战的新方法：即使是人类无法立即理解其含义的实验数据也可以通过算法进行分析，我很高兴看到这种观察方式会产生什么新材料。”
石溪大学材料科学与化学工程系教授、布鲁克海文国家实验室高级化学家AnatolyFrenkel进一步评论说：“考虑到X射线吸收光谱可能是关键，这是一个非常好的想法到被测样品的拓扑特征。”