Atslēgas līdzņemšanai
- Pētnieki ir aprakstījuši metodi, kas izmanto mākslīgo intelektu, lai atrastu jaunus retzemju savienojumus.
- Retzemju savienojumi ir atrodami daudzos augsto tehnoloģiju produktos, piemēram, mobilajos tālruņos, pulksteņos un planšetdatoros.
- AI var izmantot daudzās jomās, kur problēmas ir tik sarežģītas, ka zinātnieki nevar izstrādāt tradicionālus risinājumus, izmantojot matemātiku vai zināmas fizikas simulācijas.
Jauna metode retzemju savienojumu atrašanai, izmantojot mākslīgo intelektu, varētu radīt atklājumus, kas radikāli maina personīgo elektroniku, saka eksperti.
Pētnieki no Eimsas laboratorijas un Teksasas A&M universitātes apmācīja mašīnmācības (ML) modeli, lai novērtētu retzemju savienojumu stabilitāti. Retzemju elementiem ir daudz pielietojumu, tostarp tīras enerģijas tehnoloģijas, enerģijas uzglabāšana un pastāvīgie magnēti.
“Jauni savienojumi var nodrošināt nākotnes tehnoloģijas, kuras mēs vēl nevaram pat aptvert,” e-pasta intervijā Lifewire sacīja projekta vadītājs Jaroslavs Mudriks.
Minerālu atrašana
Lai uzlabotu jaunu savienojumu meklēšanu, zinātnieki izmantoja mašīnmācīšanos - mākslīgā intelekta (AI) veidu, ko virza datoru algoritmi, kas uzlabojas, izmantojot datus un pieredzi. Pētnieki izmantoja arī augstas caurlaidības skrīningu, skaitļošanas shēmu, kas ļauj pētniekiem ātri pārbaudīt simtiem modeļu. Viņu darbs tika aprakstīts nesen publicētajā rakstā Acta Materialia.
Pirms mākslīgā intelekta jaunu materiālu atklāšana galvenokārt bija balstīta uz izmēģinājumiem un kļūdām, viens no komandas locekļiem Prašants Sings sacīja e-pastā Lifewire. AI un mašīnmācīšanās ļauj pētniekiem izmantot materiālu datu bāzes un skaitļošanas metodes, lai kartētu gan jaunu, gan esošo savienojumu ķīmisko stabilitāti un fizikālās īpašības.
"Piemēram, jaunatklāta materiāla nogādāšana no laboratorijas līdz tirgum var ilgt 20–30 gadus, taču AI/ML var ievērojami paātrināt šo procesu, simulējot materiāla īpašības datoros, pirms spert kāju laboratorijā, " Singh teica.
AI maina to, kā mēs domājam par daudzu šo augstas dimensijas sarežģīto problēmu risināšanu, un tas paver jaunu veidu, kā domāt par nākotnes iespējām.
AI pārspēj vecās metodes jaunu savienojumu atrašanai, e-pasta intervijā sacīja Džošua M. Pīrs, Džona M. Tompsona informācijas tehnoloģiju un inovāciju katedra Rietumu universitātē.
"Potenciālo savienojumu, kombināciju, kompozītmateriālu un jaunu materiālu skaits ir pārsteidzošs," viņš piebilda. "Tā vietā, lai tērētu laiku un naudu, lai izgatavotu un pārbaudītu katru konkrētu lietojumu, AI var izmantot, lai palīdzētu prognozēt materiālus ar noderīgām īpašībām. Tad zinātnieki var koncentrēt savus centienus."
Markuss Dž. Bīlers, McAfee inženierzinātņu profesors MIT, e-pasta intervijā teica, ka jaunais dokuments parāda mašīnmācības izmantošanas spēku.
"Tas ir dramatiski atšķirīgs veids, kā veikt šādus atklājumus, nekā tas, ko esam spējuši izdarīt iepriekš - atklājumi tagad ir ātrāki, efektīvāki un var būt mērķtiecīgāki lietojumprogrammām," sacīja Bīlers. "Singh et al darbā aizraujoši ir tas, ka viņi apvieno visprogresīvākos materiālu rīkus (blīvuma funkcionālo teoriju, veids, kā atrisināt kvantu problēmas) ar materiālu informātikas rīkiem. Tas noteikti ir veids, ko var izmantot daudzu citu materiālu dizainā. problēmas."
Bezgalīgas iespējas
Retzemju savienojumi ir atrodami daudzos augsto tehnoloģiju produktos, piemēram, mobilajos tālruņos, pulksteņos un planšetdatoros. Piemēram, displejos šie savienojumi tiek pievienoti, lai nodrošinātu materiālus ar ļoti mērķtiecīgām optiskām īpašībām. Tie tiek izmantoti arī jūsu mobilā tālruņa kamerā.
"Tie savā ziņā ir sava veida brīnummateriāli, kas kalpo kā svarīgs mūsdienu civilizācijas elements," sacīja Bīlers. "Tomēr ir problēmas saistībā ar to ieguvi un piegādi. Tāpēc mums ir jāizpēta labāki veidi, kā tos izmantot efektīvāk vai aizstāt funkcijas ar jaunām alternatīvu materiālu kombinācijām."
Tas nav tikai minerālu savienojumi, kas var gūt labumu no mašīnmācīšanās pieejas, ko izmantoja jaunā raksta autori. AI var izmantot daudzās jomās, kur problēmas ir tik sarežģītas, ka zinātnieki nevar izstrādāt tradicionālus risinājumus, izmantojot matemātiku vai zināmas fizikas simulācijas, sacīja Bīlers.
"Galu galā mums vēl nav pareizo modeļu, lai saistītu materiāla struktūru ar tā īpašībām," viņš piebilda. "Viena joma ir bioloģijā, īpaši olb altumvielu locīšana. Kāpēc daži proteīni pēc nelielām ģenētiskām izmaiņām izraisa slimības? Kā mēs varam izstrādāt jaunus ķīmiskus savienojumus slimību ārstēšanai vai izstrādāt jaunas zāles?"
Vēl viena iespēja ir atrast veidu, kā uzlabot betona veiktspēju, lai samazinātu tā ietekmi uz oglekļa dioksīdu, sacīja Bīlers. Piemēram, materiāla molekulāro ģeometriju var sakārtot citādi, lai padarītu materiālus efektīvākus, lai mēs iegūtu lielāku izturību, izmantojot mazāku materiālu un lai materiāli kalpotu ilgāk.
"AI rada revolūciju mūsu domāšanā par daudzu šo augstas dimensijas sarežģīto problēmu risināšanu, un tas paver jaunu veidu, kā domāt par nākotnes iespējām," viņš piebilda. "Mēs esam tikai aizraujoša laika sākumā."
