Искусственный интеллект помогает быстрее предсказывать тепловые свойства материалов, используемых в микроэлектронике

Если бы ученые могли лучше предсказывать, как тепло проходит через полупроводники и изоляторы, они могли бы повысить эффективность систем выработки электроэнергии и микроэлектроники. Однако проблема в том, что сложно получить точные данные о соотношении дисперсии фононов, субатомных частиц, переносящих тепло.

Ученые из Массачусетского технологического института и других организаций решили эту проблему с помощью новой платформы машинного обучения, которая может быстро и точно предсказывать соотношение дисперсии фононов.

По сравнению с традиционными методами, не основанными на искусственном интеллекте, время расчетов сокращается в 1 миллион раз. Это может помочь инженерам в проектировании систем выработки энергии и разработке более эффективной микроэлектроники.