本文摘要：最近连着再次发生的几件事儿，都让人实在有某种新的势头正在显出：机器学习正在乘机转入工业和制造业领域，与工业物联网技术的融合有可能引起行业的新变革。第一件事就在这两天——劳伦斯伯克利国家实验室的研究人员在《Nature Computional Materials》上公开发表论文称之为，他们首次通过创建和训练机器学习算法，以求预测某些金属间化合物的缺失不道德，而且预测具备高精度。要告诉，材料从不是化学纯的或者是结构无缺失的，理解这些“点缺陷”对于设计材料的研究人员来说至关重要。

最近连着再次发生的几件事儿，都让人实在有某种新的势头正在显出：机器学习正在乘机转入工业和制造业领域，与工业物联网技术的融合有可能引起行业的新变革。第一件事就在这两天——劳伦斯伯克利国家实验室的研究人员在《Nature Computional Materials》上公开发表论文称之为，他们首次通过创建和训练机器学习算法，以求预测某些金属间化合物的缺失不道德，而且预测具备高精度。要告诉，材料从不是化学纯的或者是结构无缺失的，理解这些“点缺陷”对于设计材料的研究人员来说至关重要。

传统上，研究人员用于一种被称作密度绿函的计算方法来预测金属间化合物在等价的结构中不会构成什么样的“点缺陷”以及它们将如何影响材料的性质。虽然有效地，但是计算成本高昂，所以用于十分有限。

但是现在，研究人员可以对几百种材料展开密度函数计算出来，然后训练机器学习算法，从而较慢、精确并且低廉地预测大量材料的“点缺陷”。利用为946 B2型金属间化合物创建的r－MART模型预测金属的主要缺失类型。如上图，有所不同的颜色表明了预测和计算出来之间的关系。

当然，我们并不需要明白什么是“点缺陷”和晶体结构“空穴”，也不必须不会算什么计算出来量子力学的密度绿函。只要明白，因为机器学习，材料工业可以为充满著无限有可能的未来欢欣鼓舞一下了——从汽车到航空航天，这种新方法都将加快新型高级合金和轻量化新材料的应用于。除了材料工业，就在前几天，英伟达也是要“反叛”，其新一代GPU剑指深度自学和虚拟现实！其公布了基于其近期的 Pascal 架构的新一代 Quadro 系列显示卡。

英伟达声称，新的芯片组可将桌面工作站改变沦为具备突破性能力的超级计算机，为有所不同行业的专业任务获取确保。新的 Quadro 芯片组可以为设计、工程和有关虚拟现实以及深度自学的各种领域获取硬件反对。

这些显示卡可以建构企业级视觉计算出来平台，为用户修改设计和仿真工作流可玩性，与上一代产品比起，新的显示卡速度最多可以提高两倍。“开发者们的专业工作流早已弥漫着人工智能、虚拟现实和照片级图像处理任务，这对计算出来设备硬件明确提出了新的挑战，”英伟达专业可视化副总裁 Bob Pette 说，“我们的新一代 Quadro 系列获取了解决问题这些挑战所需的图形和计算出来性能，通过统一计算出来和设计，Quadro GP100 可以将普通桌面工作站切换沦为超级计算机。

本文来源：大发BET-www.parisestmontreuil.com