瞿晓辉，功能纳米材料中心理论与计算组助理科学家，应用人工智能的各种方法分析实验和计算纳米科学数据。在他的电脑屏幕上显示的是由透射电子显微镜(左图)记录的金纳米颗粒的图像分割结果，以及显示纳米颗粒聚集的聚结事件(右图)的颗粒大小演变的剖面图。 一年前，曲晓辉作为理论和计算组的助理科学家加入了美国能源部布鲁克海文国家实验室科学用户设施中心(CFN)。此前，他是加州大学伯克利分校材料科学与工程系的一名助理项目科学家，在那里他进行了计算，以发现有前途的电池电解质材料。尽管屈是一名训练有素的量子化学家，但他也有开发和应用数据分析技术来解决材料科学中的重要问题的经验。在CFN，他正在利用人工智能(AI)的新兴技术来推进纳米科学的发现。他拥有中国山东大学环境化学专业的博士和学士学位。 像今天的许多科研机构一样，CFN也面临着大数据的挑战。现代数据分析技术如何帮助解决日益增长的数据规模和复杂性? 机器学习(ML)等计算机科学技术可以帮助处理科学仪器产生的大数据。例如，CFN电子显微镜设备有一套透射电子显微镜(TEMs)，科学家们用它来分析纳米材料的结构、化学和电子信息。环境瞬变电磁法(ETEM)是一种环境瞬变电磁法(ETEM)，它可以监测纳米颗粒在操作过程中的生长情况，也就是说，纳米颗粒的结构是如何在相关的工作条件下演化的，比如退火(加热到相对较高的温度)或暴露在某些气体中。了解纳米粒子如何转变是提高材料性能和功能的关键。ETEM具有很高的时间分辨率(毫秒级)，这使我们能够对它们的演化进行测量。然而，有大量的数据是不可能手工分析的。 晓惠曲 点击图片下载高分辨率版本。曲晓辉与TEM在CFN。 考虑到ETEM产生了2tb的数据——相当于200,000张图像——用于氮化硅表面金纳米颗粒的进化，这是一个潜在的催化剂系统。每一帧包含数百个粒子，它们的大小和形状需要随着时间的推移进行跟踪。自动跟踪是困难的，因为图像含有明显的背景噪声。这种噪声以白色、灰色和黑色(而不是纯白色或黑色)的混合点出现，模糊了定义良好的边界。这就是基于mlb的图像识别可以提供帮助的地方。 我正在与CFN的科学家德米特里·扎哈罗夫(Dmitri Zakharov)合作，建立几种检测纳米颗粒的算法。布鲁克海文实验室计算科学项目(CSI)的副计算科学家林跃伟;宾夕法尼亚大学的Eric Stach教授，前CFN电子显微镜小组的领导人。这些图像分割算法将在单帧中识别粒子，并将它们从一帧链接到另一帧，以跟踪它们的演化。由于任何帧中的漏检或误检都将通过粒子演化传播，所以每帧中的检测都需要非常健壮。我们正在开发的一种算法可以跟踪漏检并修正进化过程中产生的错误。 金纳米颗粒催化剂的发展是一个自动化图像处理和分析有助于减轻大数据负担的实验。为什么选择金纳米颗粒数据集?如何将图像分割方法扩展到催化和其他应用领域? 根据Dmitri和Eric之前的测量数据，数据集已经存在，它代表了我们需要研究的数据类型。此外，这也是与UPenn的Stach小组正在进行的工作的共同点，他们正在用不同的技术方法对相同的数据集进行类似的图像处理研究。使用不同的图像分割方法——例如，基于边缘的目标检测和分水岭，其中图像被视为地形图——我们共同寻找最佳的算法来处理纳米颗粒图像中的显著噪声。 期待在新的数据集上测试我们的方法，一些特定的图像分割参数(如阈值)将不能在不同的数据集之间转移，但我们希望算法将是。考虑到需要为新的数据集调整这些参数，我还开发了一个图形用户界面(GUI)，以便用户可以根据他们的特定数据集调整细分过程并运行相同的代码。 通过这种方式，我们为用户社区提供服务，并为不同的数据集获取标记数据。最终，我们将有大量的标记数据集，包含足够的变化来训练一个深度学习模型。深度学习是ML的一种高级形式，它允许我们创建一个适用于不同实验的更通用的模型，理想情况下不需要调整任何参数。 您提到了术语GUI。你不仅要处理数据;您还需要以用户友好的方式向最终用户显示那些处理过的数据。一旦你建立了一个数据分析工具，你如何让它可用? 是的，我们和CFN用户不仅需要一个数据分析解决方案，而且还需要一个框架来交付该解决方案。当我刚开始在CFN工作时，我不知道我们需要什么样的web服务。很快，我们就清楚地认识到，我们需要一个动态环境——一个允许我们改进数据分析工具以响应不断变化的用户需求的环境。 最后，我和布鲁克海文科学数据与计算中心(SDCC)的计算机科学家进行了交谈。特别是，SDCC技术架构师Ofer Rind提到，交付数据分析工具并提供对大型数据集的访问的一个很好的选择是JupyterLab和JupyterHub。这个基于web的用户界面支持动态编程环境和交互式小部件(GUI元素)，用户可以控制它们来可视化数据。我向我的组长Mark Hybertsen提出了这个概念，他同意了。图像分割对大数据的可视化要求非常高，因此Jupyter是最佳选择。由SDCC运行的计算机服务器现在托管该服务，我们正在测试它的试点项目。 我们在JupyterLab上实现的图像分割工具展示了云平台如何支持用户。对于其他CFN组和用户来说，这些平台对于不同的工具非常有用。事实上，我正在与CFN的工作人员科学家Esther Tsai一起开发另一种工具来支持国家同步加速器光源II (nsl -II)的x射线散射数据分析。CFN的开发人员目前正在测试这个工具，一旦我们确认它是可靠的，就会发布给CFN用户。 数据分析假设您首先要处理数据。对于科学中的许多问题，有些数据是实验的结果，比如您所描述的TEM图像，但其他数据本质上是计算性的。你也使用人工智能方法进行计算数据分析吗? 回答问题有时需要结合实验和模拟数据分析。人工智能在这两种情况下都是有用的。例如，来自Brookhaven实验室和Stony Brook大学(SBU)的一组科学家演示了一个ML模型，该模型可以从模拟的x射线光谱中推断出材料的局部结构基序，并为与重要测试用例中的实验x射线光谱进行比较提供参考。这项正在进行的研究工作涉及到CFN理论家陆德宇在我们组与布鲁克海文实验室化学部门和SBU化学部门共同任命的Anatoly Frenkel合作的一系列项目;CSI计算科学家yoinjae Yoo和Yuwei Lin;nsl - ii内壳层光谱学引线科学家Eli Stavitski;CFN接口科学与催化组组长达里奥·斯塔奇奥拉。 我最近加入了这项研究工作，我们正在从几个方面扩展这项工作。例如，我们正在与CFN接口科学和催化组的科学家刘明照合作，开发一个可以推断硅化物薄膜结构的模型，硅化物是一种潜在的有用的催化剂或超导体。 我们还与美国国家标准与技术研究所的物理学家布鲁斯·拉威尔(Bruce Ravel)合作，建立一个薄膜实验光谱数据库。该数据库将包含几种代表性材料的高质量实验测量数据。当前ML面临的挑战之一是，它需要非常大的数据量和高保真度。有了更好的计算能力，我们现在可以创建模拟光谱的大型数据库。然而，对于实验光谱却不能这样说;创建一个大型的实验数据库不仅耗时，而且开销也很大。我们可以通过在包含计算光谱和实验光谱的混合数据集上建立模型来减少ML所需的数据量。同时，利用实验谱对计算谱进行验证，可以获得较高的数据质量。 将数据分析应用到材料科学中最具挑战性的部分是什么? 问题本身的定义非常具有挑战性。材料科学家知道他们试图用材料科学的术语来回答的问题。但是将这些问题组织成数据科学中的可执行问题需要材料和计算机科学的知识。这是一个迭代的过程，涉及到实验人员、计算化学家和数据科学家之间的协作。 这种改进的一个很好的例子与我正在着手的另一个超导薄膜项目有关。起初，科学家告诉我他们想了解电影的发展。我不知道他们所说的“增长”是什么意思。“通过我们的讨论，我发现他们的一个关键问题是如何建立单层。有了这些知识，我现在可以开发适当的技术来解决这些单层动力学。 你们的每一个项目都是合作性的，包括与来自不同学科的科学家的互动。你最初是一名化学家，然后被数据科学吸引。这个职业轨迹是如何演变的?你认为这个独特的背景对你的研究有什么影响? 我对化学有着天生的兴趣，因为我们作为消费者所知道和使用的许多产品都是化学制品。但直到我上了大学，我才发现我实际上喜欢上了化学。在这个时候，我也开始通过网络资源和图书馆的书籍自学计算机科学，我认为从事计算机科学的工作可能更有利可图。但是通过这个教育过程，我意识到计算机科学对于解决材料科学中的问题是至关重要的。 我的博士学位是将计算化学应用于大气污染研究。然后我从中国搬到了新加坡，在那里我用计算生物学工具做了一个博士后来模拟蛋白质折叠。之后，我在葡萄牙做了另一个博士后，用ML来预测药物分子的化学反应。在伯克利，我的注意力转向了电化学储能系统。我用密度泛函理论(DFT)计算了这些系统的性能，并帮助电池电解质研究社区建立了包含这些性能信息的大型数据库。 在计算机科学和材料科学方面的双重背景非常有帮助。正如我所提到的，材料科学家和计算机科学家通常会说不同的“语言”，因此他们对各自的目标都不了解。如果计算机科学家可以从材料科学的角度理解要求，那么他们可以建议可行的数据分析解决方案。通过研究，我希望更好地在这两个领域之间架起桥梁。 由于CFN是国家级的纳米科学用户设施，因此它的设施可供世界各地的科学家使用。结果，CFN社区由不仅具有专门领域专业知识而且具有不同文化的工作人员和用户组成。在中国长大，在新加坡和葡萄牙完成博士后，现在在美国生活和工作，您如何为这种多元文化，跨学科的环境做好准备？ 环游世界使我接触了许多文化和学科。我可以从不同角度看问题，结识特定领域的专家，并更好地理解他们的想法。此功能在CFN上特别有用，因为CFN的每个人都使用独特的技术进行材料发现。来自不同学科的人们确实确实有不同的想法。根据领域，即使是同一单词也可能具有不同的含义。例如，“微级”是指生物学家的蛋白质水平，而对于化学家来说，则是指精细几个数量级（原子分辨率）。了解特定领域的术语对于理解科学问题和要求很重要。 如今，人工智能已成为流行语，从股票交易和音乐流到导航应用程序和监视系统，应有尽有。虽然已经取得了很大的进步，但是AI仍处于起步阶段。在未来的几年中，您如何预见AI将改变科学事业，尤其是材料科学？ 新兴的数据科学技术具有极大地改变许多领域的潜力。我的希望是，我们开发的工具可以改变材料的发现，将数据转换为可用的格式，从中可以提取知识。或者，甚至更进一步，我希望我们的工具能够实现以前无法实现的各种科学，例如自主实验。自动化不仅可以使实验之间的参数更加一致，而且可以彻底改变设备的操作方式。开发从实验到分析的自动化管道，使用户可以专注于自己的科学，而无需与设备进行手动交互或学习编程方法。很难预测这些未来技术的时间表，但是我们正在尽力而为。

伊萨卡、康奈尔大学和美国能源部布鲁克海文国家实验室(BNL)的科学家们成功地演示了世界上第一个在多转粒子加速器中捕获和再利用能量的实验。在多转粒子加速器中，电子在不同的阶段加速和减速，并以不同的能量通过一根单束线传输。这一进展为超亮粒子加速器铺平了道路，这种加速器使用的能量远远低于今天的机器。 应用领域包括医疗同位素生产、癌症治疗、x射线源、工业应用，如微芯片生产，以及用于物理、材料科学和许多其他领域的基础研究的更节能的机器。举个例子:科学家们可能会利用这种能量回收加速器技术，在电子-离子对撞机上高效地为“冷却”离子生成电子。 康奈尔大学的Cornell- bnl ERL测试加速器，或称CBETA，是一种能量回收线性加速器(ERL)，它使用两种转换型的“绿色”技术:不是倾倒之前加速粒子的能量，而是回收和再利用这些能量来加速下一批粒子。而引导粒子穿过加速器的波束是由永磁体构成的，而永磁体不需要通电就可以工作。这些有望成为未来高性能加速器中最节能的技术。 康奈尔大学的物理学教授和首席研究员Georg Hoffstaetter说:“在这种新型加速器中重新利用粒子束的能量可以产生更明亮的光束，而在此之前，这需要太多的能量。”除了上述的应用，Hoffstaetter指出，“这种创新的技术和这些更明亮的光束可能会带来更多的用途，这还有待想象。” CBETA的建设是由纽约州能源研究与开发局(NYSERDA)资助的，使用的组件是由美国国家科学基金会(NSF)和工业合作伙伴提供的资金开发的。CBETA团队于2019年12月24日凌晨如期实现了粒子完全能量回收和再加速的关键里程碑。从那以后，该团队不断提高CBETA的性能。 NYSERDA的总裁兼首席执行官Alicia Barton说:“NYSERDA对支持这个开创性的项目感到非常自豪，我们期待看到它如何提高我们应对当今最紧迫的科学和社会挑战的能力。在科莫州长的领导下，纽约州对能给整个经济带来好处的技术的支持是坚定不移的，我们祝贺我们的合作伙伴取得这一巨大的里程碑。” 能量回收设计基础 CBETA机器包括世界上第一台八通道超导能量回收线性加速器，其中光束通过四次通过超导射频（SRF）腔体以达到其最高能量而被加速。通过使另外四个穿过相同的腔体，但是这次减速，光束的能量被捕获并可供新粒子加速使用。这种ERL概念最初是由康奈尔大学名誉教授Maury Tigner于1965年提出的，但是在康奈尔大学和其他地方花了数十年的时间来开发必要的技术。 每次通过加速设备后，粒子具有不同的能量，并通过特殊的磁体链（称为固定场交替线性梯度（FFA-LG）束线）穿过它们自己的“通道”，从而使粒子返回到SRF腔。构成该光束线的永磁体在布鲁克黑文市进行了设计，开发和精确成形，以使所有光束即使具有四种不同的能量也可以穿过相同的磁体结构。这种设计减少了使用多个加速器环来容纳不同能量的光束的需要，并且消除了为磁体供电的电力需求，从而进一步降低了成本并提高了整体效率。 Brookhaven参与该项目的高级物理学家兼首席研究员Dejan Trbojevic首先描述了在1999年的一个μon对撞机车间中，在由固定磁场交变梯度磁体制成的单个光束中加速多种能量的光束的想法。开发用于超导ERL的组件。 Trbojevic说：“使用CBETA的想法是，证明布鲁克海文的单束线返回回路将与康奈尔大学的ERL技术一起使用，以加速电子，这些粒子的潜在应用要比其较重的介子表亲更多。” 在12月下旬，由康奈尔大学物理学家亚当·巴特尼克（Adam Bartnik）担任首席运营商，CBETA做到了这一点。以能量为六百万电子伏特（MeV）的电子束开始，加速剂组分通过四次ERL，使粒子达到42、78、114和150 MeV。在通过SRF腔另外四次减速之后，粒子达到了其原始的6 MeV能量-与起始光束的位置完全相同。这表明已经实现了完全的电子能量回收，并且向SRF腔通电以加速下一批粒子。 这一成就使CBETA成为首个在SRF加速结构中恢复加速后的粒子束能量的多匝ERL，并成为第一个使用具有固定磁场的单束线传输七种不同的加速和减速能量束的加速器。 Brookhaven表示：“在布鲁克海文和康奈尔大学的科学家，工程师和技术人员的整个设计，建造和调试阶段，没有许多贡献，以及许多工业合作伙伴和著名的加速器专家的投入，我们就不可能取得这些成果。” CBETA项目主任，实验室工程师Rob Michnoff。

纽约厄普顿的科学家们已经开发出一种平台，可以将不同类型的纳米材料元件或“纳米物体”(无机或有机)组装成所需的三维结构。虽然自组装(SA)已成功地用于组织几种纳米材料，但该过程具有极强的系统特异性，可根据材料的固有特性生成不同的结构。正如今天发表在《自然材料》杂志上的一篇论文所报道的，他们的新型dna可编程纳米制造平台可以应用于在纳米尺度(十亿分之一米)以相同的规定方式组织各种三维材料，从而产生独特的光学、化学和其他特性。 通讯作者Oleg Gang解释说:“SA不能应用于实际应用的一个主要原因是，相同的SA过程不能应用于大范围的材料，从而从不同的纳米组件创建相同的3-D有序阵列。”美国能源部布鲁克海文国家实验室科学用户设施办公室——功能纳米材料中心(CFN)的软质和生物纳米材料组组长，哥伦比亚大学工程学院化学工程和应用物理与材料科学教授。“在这里，我们通过设计刚性的多面体DNA框架，将SA过程与材料特性分离开来，该框架可以封装各种无机或有机纳米物体，包括金属、半导体、甚至蛋白质和酶。” 科学家们设计出了立方体、八面体和四面体形状的合成DNA框架。框架内是DNA“臂”，只有具有互补DNA序列的纳米物体才能与之结合。这些材料体素是DNA框架和纳米物体的集成体，是构成宏观三维结构的基础。无论纳米物体的内部是什么(或不是什么)，这些框架都是根据它们在顶点上编码的互补序列相互连接的。根据它们的形状，框架有不同数量的顶点，从而形成完全不同的结构。框架内的任何纳米物体都具有特定的框架结构。 为了演示他们的组装方法，科学家们选择了金属(金)和半导体(硒化镉)纳米颗粒和细菌蛋白(链霉亲和素)作为无机和有机纳米物体放置在DNA框架内。首先，他们在CFN电子显微镜设备和范安德尔研究所(Van Andel Institute)的电子显微镜下成像，确认了DNA框架的完整性和物质体素的形成。然后探测三维晶格结构连贯的硬x射线散射和复合材料国家同步光源的散射beamlines II (NSLS-II)——美国能源部科学办公室用户设施布鲁克海文实验室。哥伦比亚工程化学工程教授Bykhovsky Sanat库马尔教授和他的团队执行计算建模显示实验观察到的晶格结构(基于x射线散射模式)是最热力学可以形成稳定的物质体素。 库马尔解释说:“这些材料体素使我们能够开始利用来自原子(和分子)及其形成的晶体的想法，并将这一庞大的知识和数据库移植到纳米级的感兴趣的系统中。” Gang在哥伦比亚大学的学生随后演示了如何使用装配平台来驱动两种不同的具有化学和光学功能的材料的组织。在一个案例中，他们联合组装了两种酶，创造了高密度的3-D阵列。尽管这些酶在化学上保持不变，但它们的酶活性却增加了四倍。这些“纳米反应器”可用于操作级联反应，使化学活性材料的制备成为可能。在光学材料演示中，他们混合了两种不同颜色的量子点——用于制造高色彩饱和度和亮度电视显示器的微小纳米晶体。用荧光显微镜捕获的图像显示，形成的晶格保持了低于光的衍射极限(波长)的颜色纯度;这一特性可以显著提高各种显示和光通信技术的分辨率。 Gang说：“我们需要重新考虑材料的形成方式和功能。” “可能不需要重新设计材料；简单地以新方式包装现有材料可以增强其性能。潜在地，我们的平台可能是“超越3D打印制造”的使能技术，可以以更小的比例，更大的材料种类和设计的成分来控制材料。使用相同的方法从不同材料类别的所需纳米物体形成3-D晶格，将那些原本不兼容的纳米物体整合在一起，可能会彻底改变纳米制造技术。” 布鲁克黑文国家实验室 布鲁克海文国家实验室得到了美国能源部科学办公室的支持。科学办公室是美国物理科学基础研究的最大支持者，并致力于解决当今时代最紧迫的挑战。有关更多信息，请访问https://energy.gov/science。 在Twitter上关注@BrookhavenLab或在Facebook上找到我们。 哥伦比亚工程 总部位于纽约的哥伦比亚工程学院是美国顶尖的工程学院之一，也是美国历史最悠久的学院之一。该学院又??称为富基金会工程与应用科学学院，通过其220多名教职员工的开创性研究来扩展知识并提高技术水平，同时在协作环境中对本科生和研究生进行教育，使其成为领导者，并获得坚实的基础工程。该学院的教职员工是该大学跨学科研究的中心，为数据科学研究所，地球研究所，祖克曼头脑大脑行为研究所，精密医学计划和哥伦比亚纳米计划做出了贡献。该学院以其“哥伦比亚人类工程学”战略眼光为指导，旨在将思想转化为创新，以培养可持续，健康，安全，相互联系和富有创造力的人类。

一种被称为量子自旋液体(QSL)的类似液体的磁性物质状态是罕见的，但是美国能源部布鲁克海文国家实验室(DOE)的一项理论研究已经为科学家们指出了正确的方向，即找到可以维持这种状态的物质。 QSL状态只发生在电子自旋不有序的固体磁性材料中，甚至在最冷的温度下以流体运动的方式继续改变方向。相比之下，传统磁体中的电子则是按照某种重复的方式指向上或指向下。例如，在冰箱磁铁中，所有的自旋指向同一个方向。 科学家在20世纪70年代从理论上提出了QSLs的存在。然而，找到能够承载这种奇异状态的真正材料一直是一个挑战，这种奇异状态对应于可用于下一代能源和计算应用的非凡性能。 “很难找到合适的QSL材料，因为其中一个非常理想的成分是轨道自由度，”布鲁克黑文实验室凝聚态物理与材料科学(CMPMS)部门的凝聚态理论组组长、高级科学家阿列克谢·茨韦利克解释说。电子在轨道上围绕原子核的分布与行星围绕太阳的分布有些相似。通常，不同的轨道对应不同的能量。然而，在QSLs中，不同的轨道可以有相同的能量。为了排序，电子必须在等价的轨道中选择一个特定的轨道。当电子不仅要选择它们的轨道，还要选择它们的自旋方向时，量子涨落就会增加。强量子涨落通过阻止长程磁序的形成而导致QSL态。 本质上，这些受挫的电子有太多的选择。这种困境类似于杂货店里大量的冰淇淋产品或谷类食品。我们有越多的选择，就越难做出选择——或者在电子自旋的情况下，很难做出选择。 布鲁克海文的科学家们偶然发现了一种特殊物质的活跃轨道自由度。Emil Bozin是CMPMS分部x射线散射组的一名物理学家，他在研究一种由钠、钛、硅和氧(NaTiSi2O6)组成的类似翡翠的绿色矿物时，发现了这种矿物在高温下局部晶格结构的变形。在这类矿物中，这种变形通常只在低温下发生。他与茨韦利克团队的物理学家尹卫国分享了这一意想不到的结果。通过观察材料的晶体和电子结构，他们断定，每六个钛原子就有一个不同寻常的长度。有了这个结果，他们知道他们找到了目标。 尹说:“从这个实验中，我们得到了钛原子上有三个轨道的自由度在这种材料中是活跃的。”钛原子形成之字形链，以二为重复模式。因此，用类似于解决最小共倍数问题的方法，我们发现六原子的周期性对应于相邻的钛原子之间三个轨道的重复连接。” 为了研究这种材料的轨道和自旋动力学，这个团队——包括东北大学的理论物理学家Adrian feiguin——首先转向一种流行的计算建模方法，称为密度泛函理论(DFT)。通过DFT计算，他们确定了材料最低能量(基态)的电子结构。在这个电子结构模型的基础上，他们采用了一种最先进的迭代数值技术(时变密度矩阵重正化群)来分析材料的磁激发谱。他们的分析表明，用钌代替钛——实际上是调节原子的大小和能级，原子具有自旋和轨道自由度——可以产生更强的涨落来抑制磁序。 接下来，博津将通过x射线和中子散射实验探测钛和钌基矿物的磁响应，对这一预测进行实验验证。 “在这种情况下，理论和实验之间的相互作用至关重要，”尹说。博津出人意料的实验发现刺激了我们的理论研究，其结果将指导后续的实验。理论与实验的持续合作将加速QSLs的实现。 永磁体不结冰的材料有望在几个方面得到应用。例如，一个无序的自旋态可以提供一种高温超导的机制——在相对高于通常诱导超导态所需的低温温度下的电流的无损传输。量子自旋液体也可以用于量子计算，因为它有助于保持数据存储的量子信息比特(量子位)的完整性，否则这些信息比特就会被诸如热或磁场之类的外力损坏。 这项工作的所有作者都得到了美国能源部科学办公室的支持。