人工智能如何预测电子设备的故障

工程师们铜博尔德在将先进的计算机模拟与人工智能结合起来，试图预测电子产品(如手机中的晶体管)将如何失败方面，已经取得了重大进展。这项研究是由物理学家和航空航天工程师领导的她公司并在本周的杂志上发表npj计算材料．

Neogi和她的同事绘制了由原子组成的小构件的物理图，然后使用机器学习技术来估计由这些相同构件组成的更大的结构会如何表现。这有点像看着一块乐高积木，试图预测一个更大的城堡的强度。

“我们正试图了解由数十亿原子组成的设备的物理原理，”Neogi说安和h。j。斯米德航天工程科学系．

从智能手机、电动汽车到新兴的量子计算机，对支撑我们日常生活的电子产品来说，这可能是一个福音。Neogi说，总有一天，工程师们可以利用这个团队的方法，提前找出电子元件设计中的弱点。

这个项目是Neogi更大的关注焦点的一部分，该关注焦点是微小事物(如原子的摆动)如何帮助人们建造新的、更高效的计算机——甚至是那些从人脑中获得灵感的计算机。博尔德大学航空航天工程的助理研究员阿特姆·皮马切夫(Artem Pimachev)是这项新研究的合著者。

Neogi说:“我们的方法可以让我们在制造设备之前就对设备的工作原理有一个预先的了解，而不是花几年时间去弄清楚设备为什么会失败。”

加热

Neogi的研究重点是电子行业的一个大症结:热点。这并不是指移动Wi-Fi连接。Neogi解释说，大多数现代计算工具都有大量的缺陷——电子元件的小缺陷会导致热量在某些地方堆积，这有点像骑自行车在崎岖的路面上减速。这样的“热点”也会大大降低你的智能手机的效率。

Neogi说，问题在于工程师利用计算机模拟或模型，很难提前预测这些弱点可能出现的地方。

Neogi说:“我们可以用物理模型来理解含有大约100个原子的系统。”“但这比不上这些设备中的数十亿原子。”

她认为机器智能可以帮助工程师设计出更好的电子产品。

从原子到器件

把这些模型想象成原子尺度上的乐高积木。它们是由16个硅和锗原子组成的团块，这是许多计算机部件的主要成分。

在这项研究中，Neogi和她的同事开发了一个计算机模型，利用人工智能来了解这些建筑构件的物理属性，或者原子和电子如何聚集在一起来确定材料内部的能量格局。然后，该模型可以从这些基本块中推断出更大块原子的能量分布。

Neogi说:“它从每个个体单元收集信息，并将它们结合起来，预测集体系统的最终属性，集体系统可以由两个、三个或更多的单元组成。”

她的团队仍有很长的路要走，才能确定手机大小的设备的所有潜在弱点。到目前为止，该集团的模式被证明是有效的。Neogi和她的同事已经使用该工具准确预测了几种由硅和锗制成的现实世界材料的特性。Neogi还利用她对小范围内热量和能量流动的理解，不仅改进了现有设备，还帮助创造了未来的设备。

她说:“我想做的是在你的手持设备中探索原子的世界，了解材料和电子是如何结合在一起，让一个设备工作的。”

- Chris Vavra编辑，网页内容经理，控制工程， CFE Media and Technology，cvavra@cfemedia.com．