麻省理工学院的研究人员开发了一种新的基于机器学习的方法，如果候选材料具有用于下一代计算机芯片或量子设备的拓扑结构，则其准确率可达 90%
拓扑材料是一种特殊材料，其表面和内部具有不同的特性。 电性能就是其中之一。 这些材料可用于提高电子和光学设备的效率，或用作量子计算机的组件。 最近的理论和计算表明，成千上万的化合物可以具有拓扑特征。 测试所有这些化合物以确定它们的特性将需要多年的分析和工作。 迫切需要可用于更快地研究和测试拓扑材料的方法。
麻省理工学院、哈佛大学和普林斯顿大学以及阿贡国家实验室的一组研究人员提出了一种新方法，可以更快地筛选候选材料并预测拓扑特性，准确率超过 90%。 这个问题已经以复杂的方式解决了。
提出的新方法基于材料吸收 X 射线的方式。 这不同于基于光电发射和隧道电子的旧方法。 使用 X 射线数据有几个优点。 该实验是使用 X 射线光谱仪设置的，它可以在任何环境中使用并且很容易获得。 其次，这些测量已经在化学或生物学中用于许多其他应用。 这意味着大量材料的数据已经可用。
来源和详细信息：
https://www.marktechpost.com/2022/11/03/researchers-from-mit-have-developed-a-new-machine-learning-based-approach-with-90-percent-accuracy-to-screen-candidate-materials-if-they-are-topological-for-next-generation-computer-chips-or-quantum-d/