导读
伴随着科技的进步和智能化浪潮的到来，智能可穿戴设备获得了飞速发展。新型、耐用的可拉伸电子材料的开发对智能可穿戴设备的发展尤为重要。近期，来自美国南加州大学的研究团队从古老剪纸艺术获得灵感，着力研发可穿戴电子设备的2D二硫化钼可拉伸电子材料，依托美国阿贡国家实验室“Theta”超级计算机并结合自主强化学习技术，在可穿戴电子设备的2D二硫化钼可拉伸电子材料设计和研发方面取得重要进展。
新兴技术+古老艺术拓展可穿戴设备的拉伸性随着高性能计算、物联网、云计算、人工智能等技术的突破，智能可穿戴设备也取得了飞速发展，种类日渐丰富，应用领域日益广泛，从健康监测、社交娱乐到虚拟现实等均有涉及。但是，在实际使用中，可穿戴柔性设备的研发研制面临诸多挑战，而开发新型多功能柔性可穿戴电子器件尤为重要。一些可穿戴电子设备，如缝在织物上的传感器、柔性“电子皮肤”等极其依赖于开发新的、耐用的可拉伸电子材料。为了增强脆弱材料的弹性，常见的做法是在材料中有策略地引入切口，形成可拉伸的网格。但是如何确定切口的大小和位置，从而使材料达到最大的拉伸性是当前面临的一大挑战。近期，来自美国南加州大学的研究团队从剪纸这种用精确切割来创造复杂图像的古老艺术中获得灵感，着力研发用于可穿戴电子设备的二维可拉伸材料，依托阿贡国家实验室“Theta”超级计算机并结合自主强化学习技术最终在这种材料的设计方面取得重大突破。其相关研究成果以“Autonomousreinforcementlearningagentforstretchablekirigamidesignof2Dmaterials”为题发表在《npjComputationalMaterials》期刊上。
利用自主强化学习确定材料切割策略“折纸或剪纸这种基于古代纸工艺的技术可被用来改变二维材料的力学行为。”研究者在论文中写道：“例如，石墨烯本质上是易碎的，但通过在石墨烯薄膜中引入切割图案，可以大大增强其柔韧性，从而实现电子产品的可伸展性。”
▲剪纸艺术
研究团队将这些受剪纸启发的2D材料切割与自主强化学习相结合。强化学习，又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。研究团队将这些受剪纸启发的2D材料切割与自主强化学习相结合。该研究的最终目标是优化二硫化钼二维结构中的切口布局，以获得最大的拉伸性。
“这是一个复杂的规划过程，实际上是一种学习过程。”该项目的首席研究员PankajRajak介绍道：“我们的研究课题是能否在材料设计中使用类似剪纸的行为和策略，通过切割材料使之更具结构化和高可伸缩性。而如何确定切口的位置和大小，这需要有一个智能的策略。”依托超算，高效产生海量训练数据为了获得强化学习所需要的训练数据，Rajak和他的同事们基于多个切割单元（具体来说，分别为1到6个）上进行了不同长度的一系列切口，对材料进行了次模拟，而这些模拟工作均依托“Theta”超级计算机上完成。“Theta”是美国阿贡国家实验的业务主机之一，主要支持计算模拟、数据分析以及机器学习相关复杂且多样的研究。“Theta”在年6月在TOP榜单上位列16，当前以6.9Pflops的性能处于第70位。▲“Theta”超级计算机
另一位研究者PriyaVashishta说：“除了通过超算模拟，也可以让个人每人每天做5个实验，持续一个多月，收集实验产生的不同切割数据。显然，这不仅耗时长而且材料、人工成本非常高。实践也证明，我们创建的模型是比较合理的，模拟产生的数据与实验数据非常相似。”▲二硫化钼二维结构切割效果图
基于前面6个切割单元的模拟数据，强化学习算法也学会了如何预测基于8个和10个切割单元的结构，产生了数十亿种可能的组合，而这些组合需要更长的时间来模拟。Vashishta说：“前面提到人工完成次模拟需几个月的时间，若把模拟次数增加到10亿多次，即提高了约4个数量级，那这可能需要耗尽实验人员一生的时间来完成人工模拟。”
该机器学习算法表现出色，依托超算模拟预测一个10个切割单元的结构只需要几秒，而通过切割优化的结构为材料增加了40%的可拉伸性。Rajak说：“它的学习能力非常强，以人类学习的方式学到了很多东西，并利用学习到的知识做了更多事情。”
热门文章推荐
▲冠军！广州超算联合团队在“创新大师杯”冷冻电镜蛋白质结构建模大赛中脱颖而出
▲美国E级超算Frontier延迟启用，其抢先版Crusher上线为应用铺路
▲天河用户探究介电弹性体机电失稳过程
——NSCC-GZ——参考来源：HPCWire、ALCF