பிணைப்பின் அடுத்த சிறந்த மாதிரி: இயந்திரக் கற்றலுடன் பிணைப்பு பண்புகளை வெளிப்படுத்துதல்
குறிப்பிட்ட செயல்பாடுகளை நிறைவேற்ற தேவையான பண்புகளைக் கொண்ட பொருட்களை வடிவமைப்பது வினையூக்கத்திலிருந்து சூரிய மின்கலங்கள் வரையிலான பகுதிகளில் பணிபுரியும் ஆராய்ச்சியாளர்கள் எதிர்கொள்ளும் ஒரு சவாலாகும். மேம்பாட்டு செயல்முறைகளை விரைவுபடுத்துவதற்கு, சுத்திகரிப்புகளுக்கு வழிகாட்ட தகவல்களைக் கணிக்க மாடலிங் அணுகுமுறைகளைப் பயன்படுத்தலாம். டோக்கியோ இன்ஸ்டிடியூட் ஆப் இன்டஸ்ட்ரியல் சயின்ஸ் ஆராய்ச்சியாளர்கள் தனிப்பட்ட கூறுகளின் அளவுருக்களின் அடிப்படையில் பிணைக்கப்பட்ட மற்றும் உறிஞ்சப்பட்ட பொருட்களின் பண்புகளை தீர்மானிக்க இயந்திர கற்றல் மாதிரியை உருவாக்கியுள்ளனர். அவர்களின் கண்டுபிடிப்புகள் அப்ளைடு இயற்பியல் எக்ஸ்பிரஸில் வெளியிடப்பட்டுள்ளன.
பொருட்களின் பிணைப்புகளின் நீளம் மற்றும் வலிமை போன்ற காரணிகள் மேக்ரோஸ்கோபிக் அளவில் நாம் அனுபவிக்கும் கட்டமைப்புகள் மற்றும் பண்புகளை தீர்மானிப்பதில் முக்கிய பங்கு வகிக்கின்றன. எனவே புதிய பொருட்களை வடிவமைக்கும்போது இந்த குணாதிசயங்களை எளிதில் கணிக்கும் திறன் மதிப்புமிக்கது.
நிலைகளின் அடர்த்தி (DOS-Density of States) என்பது தனிப்பட்ட அணுக்கள், மூலக்கூறுகள் மற்றும் பொருட்களுக்கு கணக்கிடக்கூடிய ஒரு அளவுருவாகும். எளிமையாகச் சொல்வதானால், ஒரு பொருளில் தங்களை ஒழுங்குபடுத்தும் எலக்ட்ரான்களுக்கு கிடைக்கக்கூடிய விருப்பங்களை இது விவரிக்கிறது. தேர்ந்தெடுக்கப்பட்ட கூறுகளுக்கு இந்த தகவலை எடுத்து, விரும்பிய தயாரிப்புக்கு பயனுள்ள தரவை உருவாக்கக்கூடிய ஒரு மாடலிங் அணுகுமுறை-பொருள் தயாரிக்கவும் பகுப்பாய்வு செய்யவும் தேவையில்லை ஒரு கவர்ச்சிகரமான கருவி ஆகும்.
ஆராய்ச்சியாளர்கள் ஒரு இயந்திர கற்றல் அணுகுமுறையைப் பயன்படுத்தினர்-அங்கு மாதிரி அதன் பதிலை மனித தலையீடு இல்லாமல் செம்மைப்படுத்துகிறது-தனிப்பட்ட கூறுகளின் DOS தகவல்களிலிருந்து தயாரிப்புகளின் நான்கு வெவ்வேறு பண்புகளை கணிக்க, இதற்கு முன் ஒற்றை அளவுருக்களை நிறுவ DOS ஒரு விளக்கமாக பயன்படுத்தப்பட்டாலும், பல வேறுபட்ட பண்புகள் கணிக்கப்படுவது இதுவே முதல் முறையாகும்.
“மூன்று வெவ்வேறு பொது வகை அமைப்புகளுக்கு பிணைப்புக்குப் பிறகு பிணைப்பு ஆற்றல், பிணைப்பு நீளம், கோவலன்ட் எலக்ட்ரான்களின் எண்ணிக்கை மற்றும் ஃபெர்மி ஆற்றல் ஆகியவற்றை எங்களால் கணிக்க முடிந்தது” என்று ஆய்வின் முதல் எழுத்தாளர் ஈகி சுசுகி விளக்குகிறார். “எங்கள் கணிப்புகள் எல்லா பண்புகளிலும் மிகவும் துல்லியமாக இருந்தன.”
ஒரு தனிமைப்படுத்தப்பட்ட மாநிலத்தின் DOS-இன் கணக்கீடு பிணைக்கப்பட்ட அமைப்புகளைக் காட்டிலும் குறைவான சிக்கலானது என்பதால், பகுப்பாய்வு ஒப்பீட்டளவில் திறமையானது. கூடுதலாக, தரவுத்தொகுப்பில் 20% மட்டுமே பயிற்சிக்கு பயன்படுத்தப்பட்டபோதும் பயன்படுத்தப்பட்ட நரம்பியல் பிணைய மாதிரி சிறப்பாக செயல்பட்டது.
“எங்கள் மாதிரியின் ஒரு குறிப்பிடத்தக்க நன்மை என்னவென்றால், இது பொதுவானது மற்றும் பலவகையான அமைப்புகளுக்குப் பயன்படுத்தப்படலாம்” என்று ஆய்வின் தொடர்புடைய எழுத்தாளர் தெருயாசு மிசோகுச்சி விளக்குகிறார். “எங்கள் கண்டுபிடிப்புகள் பல மேம்பாட்டு செயல்முறைகளுக்கு குறிப்பிடத்தக்க பங்களிப்பை அளிக்கக்கூடும் என்று நாங்கள் நம்புகிறோம், எடுத்துக்காட்டாக வினையூக்கத்தில், நானோ கிளஸ்டர்கள் மற்றும் நானோவாய்கள் போன்ற புதிய ஆராய்ச்சி பகுதிகளில் இது மிகவும் பயனுள்ளதாக இருக்கும்.”
“பிணைப்புக்கு முன் தனிமைப்படுத்தப்பட்ட மாநிலங்களைப் பயன்படுத்தி இயந்திர கற்றல் அடிப்படையிலான மாதிரியால் பிணைப்பு பண்புகளின் துல்லியமான கணிப்பு” என்ற கட்டுரை பயன்பாட்டு இயற்பியல் எக்ஸ்பிரஸில் வெளியிடப்பட்டது.
References: