Рон специализируется на использовании информатики материалов для открытия новых материалов с неожиданными свойствами, которые способствуют развитию науки и техники. Материаловедение - это развивающаяся область исследований на стыке искусственного интеллекта и материаловедения. Последнее исследование его команды недавно было опубликовано на обложке журнала Продвинутая теория и моделирование.

Двумерные материалы, которые могут быть толщиной с один атом, были открыты только в 2004 году и стали предметом большого научного любопытства из-за их неожиданных свойств. Двухмерные магниты важны тем, что их дальнодействующее магнитное упорядочение сохраняется, когда они истончаются до одного или нескольких слоев. Это происходит из-за магнитной анизотропии. Взаимодействие с этой магнитной анизотропией и малой размерностью может привести к появлению экзотических спиновых степеней свободы, таких как спиновые текстуры, которые могут быть использованы при разработке архитектур квантовых вычислений. Двумерные магниты также обладают полным спектром электронных свойств и могут использоваться в высокопроизводительных и энергоэффективных устройствах.

Рон и его команда объединили высокопроизводительные вычисления по теории функционала плотности (DFT) для определения свойств материалов vdW с искусственным интеллектом для реализации формы машинного обучения, называемой полууправляемым обучением. Обучение под наблюдением использует комбинацию помеченных и немаркированных данных для выявления закономерностей в данных и составления прогнозов. Обучение под наблюдением частично устраняет главную проблему машинного обучения - нехватку помеченных данных.

"Использование искусственного интеллекта экономит время и деньги", - сказал Рон. "Типичный процесс обнаружения материалов требует дорогостоящего моделирования на суперкомпьютере, которое может занять месяцы. Лабораторные эксперименты могут занять еще больше времени и обойтись дороже. Подход с использованием искусственного интеллекта потенциально может ускорить процесс поиска материалов".

Используя начальное подмножество из 700 вычислений DFT на суперкомпьютере, была обучена модель искусственного интеллекта, которая могла предсказывать свойства многих тысяч материалов-кандидатов за миллисекунды на ноутбуке. Затем команда определила многообещающие материалы-кандидаты vdW с большими магнитными моментами и низкой энергией образования. Низкая энергия образования является показателем химической стабильности, что является важным требованием для синтеза материала в лаборатории и последующего промышленного применения.

"Наша структура также может быть легко применена для исследования материалов с различными кристаллическими структурами", - сказал Рон. "Прототипы смешанных кристаллических структур, такие как набор данных как о галогенидах переходных металлов, так и о трихалькогенидах переходных металлов, также могут быть исследованы с помощью этой структуры".

"Применение доктором Роном искусственного интеллекта в области материаловедения продолжает приносить захватывающие результаты", - сказал Курт Бренеман, декан научной школы Ренсселера. "Он не только ускорил наше понимание двумерных материалов, обладающих новыми свойствами, но и его открытия и методы, вероятно, внесут вклад в новые технологии квантовых вычислений".

К Рону присоединились Ромаканта Бхаттараи и Хараламбос Гаврас из Ренселера; Бетани Луш и Миша Салим из Аргоннской национальной лаборатории; Мариос Маттеакис, Дэниел Т. Ларсон и Эфтимиос Качирас из Гарвардского университета; и Йошихару Крокенбергер из NTT Basic Research Laboratories.