موارد مهم
- محققان روشی را توصیف کرده اند که از هوش مصنوعی برای یافتن ترکیبات جدید خاکی کمیاب استفاده می کند.
- ترکیبات خاکی کمیاب در بسیاری از محصولات با فناوری پیشرفته مانند تلفن‌های همراه، ساعت‌ها و تبلت‌ها یافت می‌شود.
- AI را می توان در بسیاری از مناطقی که مسائل آنقدر پیچیده هستند به کار برد که دانشمندان نمی توانند راه حل های مرسوم را از طریق ریاضیات یا شبیه سازی های فیزیک شناخته شده ایجاد کنند.
به گفته کارشناسان، روش جدیدی برای یافتن ترکیبات خاکی کمیاب با استفاده از هوش مصنوعی می تواند منجر به اکتشافاتی شود که انقلابی در الکترونیک شخصی ایجاد کند.
محققان آزمایشگاه ایمز و دانشگاه A&M تگزاس یک مدل یادگیری ماشینی (ML) را برای ارزیابی پایداری ترکیبات خاکی کمیاب آموزش دادند. عناصر خاکی کمیاب کاربردهای زیادی دارند، از جمله فناوری‌های انرژی پاک، ذخیره انرژی و آهنرباهای دائمی.
یاروسلاو مودریک، ناظر پروژه، در یک مصاحبه ایمیلی به Lifewire گفت: «ترکیبات جدید ممکن است فناوری‌های آینده را فعال کنند که ما هنوز نمی‌توانیم آنها را درک کنیم.»
پیدا کردن مواد معدنی
برای بهبود جستجوی ترکیبات جدید، دانشمندان از یادگیری ماشینی استفاده کردند، نوعی هوش مصنوعی (AI) که توسط الگوریتم‌های کامپیوتری هدایت می‌شود و از طریق استفاده از داده و تجربه بهبود می‌یابد. محققان همچنین از غربالگری با توان عملیاتی بالا استفاده کردند، یک طرح محاسباتی که به محققان اجازه می دهد صدها مدل را به سرعت آزمایش کنند. کار آنها در مقاله اخیر منتشر شده در Acta Materialia شرح داده شد.
پراشانت سینگ، یکی از اعضای تیم، در ایمیلی به Lifewire گفت: قبل از هوش مصنوعی، کشف مواد جدید عمدتاً مبتنی بر آزمون و خطا بود.هوش مصنوعی و یادگیری ماشین به محققان این امکان را می دهد که از پایگاه های داده مواد و تکنیک های محاسباتی برای ترسیم پایداری شیمیایی و خواص فیزیکی ترکیبات جدید و موجود استفاده کنند.
برای مثال، انتقال یک ماده جدید کشف شده از آزمایشگاه به بازار ممکن است 20 تا 30 سال طول بکشد، اما AI/ML می تواند با شبیه سازی خواص مواد روی کامپیوترها قبل از گذاشتن پا در آزمایشگاه، این روند را به میزان قابل توجهی سرعت بخشد. گفت.
هوش مصنوعی طرز تفکر ما در مورد حل بسیاری از این مشکلات پیچیده با ابعاد بالا را متحول می کند و راه جدیدی را برای فکر کردن به فرصت های آینده باز می کند.
Joshua M. Pearce، کرسی John M. Thompson در فناوری اطلاعات و نوآوری در دانشگاه وسترن، در یک مصاحبه ایمیلی گفت:AI روش های قدیمی تر برای یافتن ترکیبات جدید را شکست می دهد.
"تعداد ترکیبات بالقوه، ترکیبات، کامپوزیت ها و مواد جدید شگفت انگیز است." "به جای صرف زمان و هزینه برای ساختن و غربال کردن هر یک برای یک برنامه خاص، می توان از هوش مصنوعی برای کمک به پیش بینی مواد با خواص مفید استفاده کرد.سپس دانشمندان می توانند تلاش های خود را متمرکز کنند."
Markus J. Buehler، استاد مهندسی McAfee در MIT، در یک مصاحبه ایمیلی گفت که مقاله جدید قدرت استفاده از یادگیری ماشین را نشان می دهد.
بوهلر گفت: "این یک روش کاملاً متمایز برای انجام چنین اکتشافاتی نسبت به آنچه قبلاً می توانستیم انجام دهیم است - اکتشافات اکنون سریعتر، کارآمدتر هستند و می توانند بیشتر برای برنامه ها هدف قرار گیرند." "چیزی که در مورد کار سینگ و همکارانش هیجان انگیز است این است که آنها ابزارهای مواد پیشرفته (نظریه تابعی چگالی، راهی برای حل مسائل کوانتومی) را با ابزارهای انفورماتیک مواد ترکیب می کنند. قطعاً این روشی است که می تواند در بسیاری از طراحی مواد دیگر اعمال شود. مشکلات."
امکانات بی پایان
ترکیبات خاکی کمیاب در بسیاری از محصولات با فناوری پیشرفته مانند تلفن‌های همراه، ساعت‌ها و تبلت‌ها یافت می‌شود. به عنوان مثال، در نمایشگرها، این ترکیبات به موادی با خواص نوری بسیار هدفمند اضافه می شوند. آنها همچنین در دوربین تلفن همراه شما استفاده می شوند.
بولر گفت: «آنها به نوعی مواد شگفت انگیزی هستند که به عنوان عنصر مهمی در تمدن مدرن عمل می کند. "اما چالش هایی در نحوه استخراج و نحوه عرضه آنها وجود دارد. از این رو، ما باید راه های بهتری را برای استفاده موثرتر از آنها یا جایگزینی عملکردها با ترکیبات جدیدی از مواد جایگزین بررسی کنیم."
این فقط ترکیبات معدنی نیستند که می توانند از رویکرد یادگیری ماشینی استفاده شده توسط نویسندگان مقاله جدید بهره ببرند. بوهلر گفت که هوش مصنوعی در بسیاری از مناطقی که مسائل آنقدر پیچیده هستند که دانشمندان نمی توانند راه حل های مرسوم را از طریق ریاضیات یا شبیه سازی های فیزیک شناخته شده ایجاد کنند، استفاده شود.
"بالاخره، ما هنوز مدل مناسبی برای ارتباط ساختار یک ماده با خواص آن نداریم." "یک حوزه در زیست شناسی است، به ویژه تاخوردگی پروتئین. چرا برخی از پروتئین ها، پس از ایجاد یک تغییر ژنتیکی کوچک، منجر به بیماری می شوند؟ چگونه می توانیم ترکیبات شیمیایی جدیدی برای درمان بیماری ها یا داروهای جدید تولید کنیم؟"
بولر گفت، یک احتمال دیگر یافتن راهی برای بهبود عملکرد بتن برای کاهش تاثیر کربن آن است. به عنوان مثال، هندسه مولکولی مواد را می‌توان به گونه‌ای متفاوت ترتیب داد تا مواد مؤثرتر شوند تا با استفاده از مواد کمتر، استحکام بیشتری داشته باشیم و مواد ماندگاری بیشتری داشته باشند.
"هوش مصنوعی نحوه تفکر ما را در مورد حل بسیاری از این مشکلات پیچیده با ابعاد بالا متحول می کند و راه جدیدی را برای فکر کردن به فرصت های آینده باز می کند." "ما تازه در آغاز یک زمان هیجان انگیز هستیم."
