「ギャップジオメトリは、体液を保管および輸送する能力を支配する多孔質材料の基本的な特性です」と、この研究の共著者であるアルゴンヌ科学者のドンキシオ・チャンは述べています。 「しかし、特に複雑な多孔質材料の場合、実験データまたはシミュレーションからのギャップジオメトリを正確に決定することは、困難な作業です。」
研究者は、畳み込みニューラルネットワーク（CNNS）と呼ばれる機械学習手法を使用して、PGNETアルゴリズムを開発しました。 CNNは、画像分析と認識タスクに適した深い学習アルゴリズムの一種です。研究者は、シミュレートされた多孔質材料の画像の大きなデータセットでPGNETアルゴリズムを訓練し、これらの材料のギャップジオメトリを正確に決定できることを示しました。
その後、研究者はPGNETアルゴリズムを使用して、多孔質材料の液体の構造を研究しました。 They found that the gap geometry of porous materials has a significant impact on the structure of liquids confined within the pores.
この作業は、DOEの基本エネルギー科学局によって資金提供されました。研究チームには、アルゴンヌ国立研究所の東Zhang、Yuan Cheng、およびYongqiang Chengが含まれていました。ネブラスカ大学オマハ校のJialin LiとRuiqiang Li。
この研究は、Nature Communications誌に掲載されています。
