麻省理工学院博士生妮娜·安德烈耶维奇与她的双胞胎姐妹、哈佛大学博士生约瓦娜，开发出一种更快速的节能材料测试方法。
该方法结合光谱学与机器学习技术，用于识别物质中新颖且有价值的性质。
目前用于识别拓扑材料的实验方法在技术上颇具挑战，且不够精确，可能会将可行的候选材料排除在外。
妮娜·安德烈耶维奇出生于建筑师家庭，童年时在塞尔维亚就喜欢画自家住宅和其他建筑。她和双胞胎姐妹有着共同的热情，也都热爱数学和科学。安德烈耶维奇是麻省理工学院材料科学与工程专业的博士生。她说，随着时间推移，这些兴趣汇聚成一条学术道路，与家族职业有一些相似之处。
“建筑学既是创造性的领域，也是技术性的领域；你会尝试优化自己所需的特性，以实现某些功能，比如建筑的大小，或住宅中不同房间的布局，”她说。她认为，自己在机器学习方面的工作与建筑师的工作相似：“我们从一块空地开始——一个具有随机参数的数学模型——目标是训练这个称为神经网络的模型，使其具备我们所希望的功能。”
安德烈耶维奇的博士导师是李明达，核科学与工程系助理教授。作为李明达量子测量小组的研究助理，她正在训练自己的机器学习模型，以寻找材料中新的实用特性。她与实验室合作开展的研究已发表于多家知名期刊，包括《Nature Communications》、《Advanced Science》、《Physical Review Letters》和《Nano Letters》。
她所在小组特别感兴趣的一个领域是拓扑材料。“这类材料是一种奇异的物质相，电子可以在其表面传输而不损失能量，”她说。“因此，它们对于制造更节能的技术极具吸引力。”
安德烈耶维奇与她的姐妹约瓦娜（哈佛大学应用物理专业博士生）开发出一种检测材料样本的方法，可预测材料是否具有拓扑特性；与其他方法相比，这种方法速度更快、适用范围更广。
她说，如果最终目标是“制造性能更好、节能的技术”，“我们首先必须知道哪些材料适合用于这些应用，而我们的研究可以帮助确认这一点。”
携手合作
这项研究的构想是一年多前萌生的。“我和姐姐一直觉得，能一起做个项目会很棒。明达提出研究拓扑材料时，我想到我们可以把它发展成正式合作，”安德烈耶维奇说。她指出，她们姐妹比大多数双胞胎更相似，有许多共同的学术兴趣。“双胞胎身份是我生活中很重要的一部分，我们合作得很好，会在彼此不懂的领域互相帮助。”
安德烈耶维奇的博士论文涵盖多个项目，运用专门的光谱技术和数据分析，并借助机器学习增强研究能力。机器学习能够从海量数据中发现模式，其效率甚至高于最高通量的计算机。
“贯穿我所有项目的一条主线，是尝试在应用这些表征工具时加快或加深我们的理解，从而获取比使用更传统或近似模型更多的有用信息，”她说。双胞胎姐妹对拓扑材料的研究就是一个例子。
为了揭示材料新颖且可能有用的性质，研究人员必须在原子和量子尺度上对材料进行探究。中子和光子光谱技术有助于捕捉此前未被识别的结构和动态，并确定热、电场或磁场以及机械应力如何在极微观尺度上影响材料。在这一领域，材料的表现可能不同于宏观尺度，其规律由量子力学支配。
目前用于识别拓扑材料的实验方法在技术上颇具挑战，且不够精确，可能会将可行的候选材料排除在外。姐妹俩认为，可以采用广泛应用的成像技术——X射线吸收光谱（XAS），并将其与训练好的神经网络结合，以避开这些问题。XAS将聚焦的X射线束射入物质，帮助绘制其几何结构和电子结构。它提供的辐射数据构成了所测材料独有的特征。
“我们想开发一种神经网络，能够根据材料的XAS特征识别拓扑性质；与其他方法相比，这种测量更容易实施，”安德烈耶维奇说。“我们希望这能让我们筛查范围广得多的潜在拓扑材料。”
数月间，研究人员将两个数据库中的信息输入神经网络：一个数据库包含理论预测具有拓扑性质的材料，另一个则包含大量不同材料的X射线吸收数据。“经过适当训练后，这个模型应该能作为一种工具，读取此前未见过的新XAS特征，并判断产生该光谱的材料是否具有拓扑性质，”安德烈耶维奇解释说。
这对研究者的方法已展现出令人鼓舞的结果，他们已将成果以预印本形式发表，题为《机器学习拓扑性质的光谱指标》。“对我来说，这类机器学习项目令人兴奋之处，在于看到某些潜在模式，并能用物理量来理解这些模式，”安德烈耶维奇说。
走向材料研究
安德烈耶维奇在康奈尔大学读大一时，第一次体验到近距离观察物质的乐趣。修完纳米科学与纳米工程课程后，她加入了一个在原子尺度上对材料进行成像的研究小组。“我觉得自己是个很注重视觉的人。能够看到那些此前只是方程或概念的东西——这个想法让我非常兴奋，”她说。“这段经历让我更接近材料科学领域。”
机器学习是安德烈耶维奇博士研究的关键，也将在她离开麻省理工学院后的生活中占据核心位置。今年冬天毕业后，她将直接前往阿贡国家实验室；她获得了极具声望的玛丽亚·格珀特·梅耶奖学金，该奖学金“面向国际范围内事业前景看好、处于职业生涯早期的杰出博士级科学家和工程师”。“我们将尝试设计融入物理知识的神经网络，重点研究量子材料，”她说。
这意味着她将与姐姐告别；她们从未长时间分开过。“这会非常不一样，”安德烈耶维奇说。不过她补充道：“我确实希望无论相隔多远，约瓦娜和我今后都能有更多合作！”
