伊利诺伊大学厄巴纳-香槟分校的研究人员将多元合金中的扩散重塑为个体贡献的总和，称为“kinosons”。使用机器学习来计算各个贡献的统计分布，他们能够对合金进行建模，并比计算整个轨迹更有效地计算其扩散率数量级。
“我们找到了一种更有效的方法来计算固体中的扩散，同时，我们更多地了解了同一系统中扩散的基本过程，”领导这项工作的材料科学与工程教授达拉斯·特林克尔(DallasTrinkle)说。和研究生SohamChattopadhyay。
固体中的扩散是原子在材料中移动的过程。钢的生产、离子在电池中的移动以及半导体器件的掺杂都是由扩散控制的。
在这里，研究小组模拟了多元合金中的扩散，多元合金是由五种不同元素(本研究中的锰、钴、铬、铁和镍)等量组成的金属。这些类型的合金很有趣，因为制造坚固材料的一种方法是将不同的元素添加在一起，例如添加碳和铁来制造钢。
多元合金具有独特的性能，例如良好的机械性能和高温稳定性，因此了解原子在这些材料中的扩散方式非常重要。
为了更好地观察扩散，需要很长的时间尺度，因为原子随机移动，并且随着时间的推移，它们距起点的位移将会增加。“如果有人试图模拟扩散，那就很痛苦，因为你必须运行模拟很长时间才能获得完整的图像，”特林克说。
“这确实限制了我们研究扩散的很多方法。通常无法使用更准确的计算转移率的方法，因为你无法进行足够的模拟步骤来获得长期轨迹并获得合理的扩散值。”
原子可能会跳到左边，但随后它可能会跳回右边。在这种情况下，原子没有移动到任何地方。现在，假设它向左跳，然后发生1,000件其他事情，然后它又跳回到右侧。效果是一样的。
特林克说：“我们称这种相关性为相关性，因为原子在某个时刻进行了一次跳跃，然后又取消了这一跳跃。这就是扩散变得复杂的原因。当我们研究机器学习如何解决这个问题时，它真正所做的是它正在改变问题就变成了不存在任何这些相关跳跃的情况。”
因此，原子所做的任何跳跃都会有助于扩散，并且问题变得更容易解决。“我们称这些跳跃为kinosons，即小动作，”特林克尔说。
“我们已经证明，你可以提取这些分布，即看到一定震级的动波的概率，并将它们全部相加以获得真正的扩散率。最重要的是，你可以知道不同的元素如何在一个坚硬的。”
使用激振子和机器学习对扩散进行建模的另一个优点是，它比计算长时间尺度的整个轨迹要快得多。Trinkle表示，使用这种方法，模拟速度比普通方法快100倍。
“我认为这种方法确实会改变我们对扩散的看法，”他说。“这是看待问题的不同方式，我希望在未来10年里，这将成为看待扩散的标准方式。对我来说，令人兴奋的事情之一不仅是它运行得更快，而且还了解更多关于系统中发生的事情。”