据EurekAlert!网站10月22日消息，美国理海大学、劳伦斯伯克利国家实验室、德克萨斯大学、宾夕法尼亚州立大学和橡树岭国家实验室的科学家合作，利用递归神经网络来揭示铁电材料开关动力学机制。研究团队采用位于橡树岭国家实验室的频带激励压电响应力显微镜（band-excitation PFM），基于高光谱成像技术，对纳米级铁电材料的电刺激响应进行原位表征测试。获得测试数据后，研究团队开发了一种神经递归网络技术，从大量测试数据中学习并提取有用信息。采用该方法，研究团队研究了铁电畴开关的动力学机制，并首次实现过程的可视化。研究人员表示，递归神经网络能够有效地处理结构化数据，理解高光谱成像技术生成数据的复杂关联，这是更原始的机器学习技术所不能实现的。相关研究成果发表于《自然通讯》期刊。

https://www.eurekalert.org/pub_releases/2019-10/lu-nnt102119.php