Descoperirea accelerată prin algoritmi de învățare a calcogenicilor pentru memristori
Project Director: Dr. Alin VELEA
Proiect: 60PCE din 08/01/2025 (PN-IV-P1-PCE-2023-1785)
Contractant: Institutul Național de Cerctare-Dezvoltare pentru Fizica Materialelor (INCDFM)
Director proiect: Dr. Alin Velea
Tip proiect: Program 5.1 - Idei, Proiecte de cercetare exploratorie (PCE)
Data începerii: 08/01/2025
Data finalizării: 31/12/2027
Autoritate contractantă: UEFISCDI
Rezumat proiect:
GlassyMEM își propune să accelereze descoperirea sticlelor chalcogenide pentru aplicațiile în memristori folosind metode de învățare automată. Materialele calcogenice cu schimbare de fază sunt excelente pentru aceste aplicații, datorită proprietăților lor electrice remarcabile, precum contrastul ridicat în rezistența electrică între starea amorfă și starea cristalină și ajustarea dinamică a rezistenței. Tradițional, identificarea noilor sticle chalcogenide se bazează pe reguli empirice, iar lipsa unui predictor universal al capacității de formare a sticlei (GFA) reprezintă o limitare.
În acest proiect, vom construi o bază de date cuprinzătoare, care va integra datele din literatura de specialitate și date experimentale obținute în cadrul proiectului. Librării de materiale calcogenice vor fi depuse prin co-pulverizare catodică cu magnetron, iar proprietățile lor structurale și compoziționale vor fi caracterizate. Vom dezvolta și antrena modele de învățare automată pentru a prezice GFA.
De asemenea, vom investiga proprietățile electrice ale celor mai promițătoare compoziții pentru aplicații în memristori, cu scopul de a obține dispozitive memristive mai rapide, mai eficiente din punct de vedere energetic, scalabile și rentabile. Prin adoptarea unei abordări bazate pe date, GlassyMEM va contribui la o înțelegere mai profundă a GFA, reducând costurile, riscurile și timpul, asociate metodelor convenționale. În final, proiectul va propune compoziții viabile pentru memristori.
Director: Dr. Alin Velea - CS I
Echipa de cercetare:
Dr. Florinel Sava - Cercetător postdoctoral
Dr. Iosif Daniel Simandan - Cercetător postdoctoral
Dr. Claudia Mihai - Cercetător postdoctoral
Dr. Amelia Elena Bocirnea - Cercetător postdoctoral
Dr. Mohamed Yassine Zaki - Cercetător postdoctoral
Dr. Adelina Udrescu - Cercetător postdoctoral
Angel-Theodor Buruiana - Doctorand
Miruna-Ioana Belciu - Doctorand
Ciprian-Augustin Parloaga - Masterand
Anul 1 (2025)
1. Dezvoltarea bazei de date
Construirea unei bază de date de calcogenuri prin:
- Extragerea și procesarea datelor din baza de date SciGlass
- Digitalizarea manuală a domeniilor de formare a sticlei din literatura științifică
- Acoperirea sistemelor de calcogenuri binare, ternare și multicomponente
Această bază de date servește drept fundament pentru antrenarea și validarea modelelor de învățare automată.
2. Depuneri experimentale de randament mare:
- Sinteza librăriilor de filme subțiri combinatoriale prin co-pulverizare cu magnetron
- Caracterizare structurală folosind difracția de radiații X (XRD) și reflectivitatea razdiațiilor X (XRR)
- Analiza compozițională folosind spectrometria prin retro-împrăștiere Rutherford (RBS)
- Caracterizare optică
Aceste activități experimentale furnizează date pentru validarea modelului și explorarea de compoziții noi de calcogenuri.
3. Învățare automată pentru predicția proprietăților optice
Am dezvoltat și publicat un model de învățare automată pentru prezicerea indicelui de refracție al sticlelor calcogenice:
- Am antrenat și comparat 8 modele de bază (RandomForest, AdaBoost, CatBoost, XGBoost, HistGradientBoosting, LightGBM, ExtraTrees, KNeighbors)
- Am creat ansambluri de meta-modele (clasificatori Voting și Stacking)
- Am calculat descriptori fizico-chimici bazați pe proprietăți elementare
- Am aplicat SHapley Additive exPlanations (SHAP) pentru interpretabilitatea modelului
- Am identificat caracteristicile cheie care guvernează proprietățile optice în sistemele calcogenice
Această lucrare a demonstrat eficacitatea metodelor de învățare automată pentru prezicerea proprietăților sticlelor calcogenice.
Articol: M.-I. Belciu, A. Velea, "Ensemble Machine Learning for the Prediction and Understanding of the Refractive Index in Chalcogenide Glasses", Molecules 2025, 30(8), 1745, https://doi.org/10.3390/molecules30081745
Prezentare orală: "Ensemble Machine Learning for the Prediction and Understanding of the Refractive Index in Chalcogenide Glasses", la EMRS 2025 Spring Meeting (May 26-30, 2025, Strasbourg, France)
Impact cognitiv și socio-economic
Impact științific/cognitiv
Avansarea metodologiei de descoperire a materialelor:
- Demonstrarea că învățarea automată poate accelera eficient descoperirea materialelor calcogenice
- Construirea unor baze de date complete de calcogenuri pentru predicția proprietăților
- Furnizarea de informații interpretabile prin analiza SHAP, conectând predicțiile ML cu mecanismele fizice
Contribuții la înțelegerea fundamentală:
- Identificarea descriptorilor fizico-chimici cheie care guvernează proprietățile optice și structurale ale calcogenurilor
- Dezvoltarea de abordări bazate pe date pentru înțelegerea formării sticlei
Instruirea tinerilor cercetătorilor:
- Instruirea studenților în ML interdisciplinar și știința materialelor
- Dezvoltarea expertizei în experimentele cu randament mare și descoperirea de materiale bazate pe date
Impact socio-economic
Relevanță tehnologică:
Memristorii sunt componente cheie pentru calculul neuromorf, care promite:
- Consum de energie de 100-1000 ori mai mic decât calculul convențional
- Procesare AI în timp real (fără dependență de cloud)
- Arhitecturi de calcul inspirate de creier pentru recunoașterea modelelor complexe
Aplicații potențiale:
- Hardware de inteligență artificială eficient energetic
- Procesarea senzorilor pentru IoT
- Sisteme autonome de percepție a vehiculelor
- Diagnosticare medicală și dispozitive purtabile
Sustenabilitate:
- Consumul redus de energie computațională abordează preocupările legate de schimbările climatice
- Materialele calcogenice utilizează elemente abundente
- Screening-ul de randament mare reduce deșeurile experimentale și accelerează dezvoltarea
Dr. Alin Velea - alin.velea@infim.ro
PROJECTS/ PROIECTE NATIONALE
Copyright © 2026 National Institute of Materials Physics. All Rights Reserved