Võtmed kaasavõtmiseks
- Teadlased on kirjeldanud meetodit, mis kasutab tehisintellekti uute haruldaste muldmetallide ühendite leidmiseks.
- Haruldaste muldmetallide ühendeid leidub paljudes kõrgtehnoloogilistes toodetes, nagu mobiiltelefonid, kellad ja tahvelarvutid.
- AI-d saab rakendada paljudes valdkondades, kus probleemid on nii keerulised, et teadlased ei suuda välja töötada tavapäraseid lahendusi matemaatika või tuntud füüsika simulatsioonide abil.
Uus meetod haruldaste muldmetallide ühendite leidmiseks tehisintellekti abil võib viia avastusteni, mis muudavad isikliku elektroonika revolutsiooniliseks, väidavad eksperdid.
Amesi laboratooriumi ja Texase A&M ülikooli teadlased koolitasid välja masinõppe (ML) mudeli, et hinnata haruldaste muldmetallide ühendite stabiilsust. Haruldastel muldmetallidel on palju kasutusvõimalusi, sealhulgas puhta energia tehnoloogiad, energia salvestamine ja püsimagnetid.
„Uued ühendid võivad võimaldada tulevikutehnoloogiaid, millest me veel aru ei saa,“ütles projekti juhendaja Yaroslav Mudryk Lifewire’ile antud meiliintervjuus.
Mineraalide leidmine
Uute ühendite otsimise parandamiseks kasutasid teadlased masinõpet, tehisintellekti (AI) vormi, mida juhivad arvutialgoritmid, mis paranevad andmete kasutamise ja kogemuste kaudu. Teadlased kasutasid ka suure läbilaskevõimega sõelumist – arvutuslikku skeemi, mis võimaldab teadlastel sadu mudeleid kiiresti testida. Nende tööd kirjeldati hiljutises Acta Materialias avaldatud artiklis.
Enne tehisintellekti põhines uute materjalide avastamine peamiselt katse-eksituse meetodil, ütles üks meeskonnaliikmetest Prashant Singh Lifewire'ile saadetud meilis. AI ja masinõpe võimaldavad teadlastel kasutada materjalide andmebaase ja arvutustehnikaid uute ja olemasolevate ühendite keemilise stabiilsuse ja füüsikaliste omaduste kaardistamiseks.
"Näiteks võib äsja avastatud materjali laborist turule viimine võtta aega 20–30 aastat, kuid AI/ML võib seda protsessi oluliselt kiirendada, simuleerides arvutites materjali omadusi enne laborisse astumist, " Singh ütles.
AI muudab revolutsiooniliselt seda, kuidas me mõtleme paljude nende kõrgmõõtmeliste keerukate probleemide lahendamisele, ja see avab uue võimaluse mõelda tulevikuvõimalustele.
AI ületab vanemaid meetodeid uute ühendite leidmisel, ütles Lääne ülikooli John M. Thompsoni infotehnoloogia ja innovatsiooni õppetool Joshua M. Pearce meiliintervjuus.
"Potentsiaalsete ühendite, kombinatsioonide, komposiitide ja uudsete materjalide arv on hämmastav, " lisas ta. "Selle asemel, et kulutada aega ja raha, et igaüks neist konkreetse rakenduse jaoks teha ja sõeluda, saab tehisintellekti kasutada kasulike omadustega materjalide ennustamiseks. Siis saavad teadlased oma jõupingutused koondada."
Markus J. Buehler, MIT-i McAfee tehnikaprofessor, ütles meiliintervjuus, et uus paber näitab masinõppe kasutamise võimsust.
"See on dramaatiliselt erinev viis selliste avastuste tegemiseks kui see, mida oleme varem suutnud teha – avastused on nüüd kiiremad, tõhusamad ja rakendustele paremini suunatud, " ütles Buehler. "Singhi jt töö juures on põnev see, et nad kombineerivad tipptasemel materjalide tööriistu (tiheduse funktsionaalse teooria, viis kvantprobleemide lahendamiseks) materjaliinformaatika tööriistadega. See on kindlasti viis, mida saab rakendada paljudes teistes materjalide disainis. probleeme."
Lõputumatud võimalused
Haruldaste muldmetallide ühendeid leidub paljudes kõrgtehnoloogilistes toodetes, nagu mobiiltelefonid, kellad ja tahvelarvutid. Näiteks kuvaritel lisatakse need ühendid materjalidele, millel on väga sihipärased optilised omadused. Neid kasutatakse ka teie mobiiltelefoni kaameras.
"Need on teatud mõttes imematerjalid, mis on tänapäeva tsivilisatsiooni oluliseks elemendiks," ütles Buehler. "Kuid nende kaevandamisel ja tarnimisel on probleeme. Seetõttu peame otsima paremaid viise nende tõhusamaks kasutamiseks või funktsioonide asendamiseks alternatiivsete materjalide uute kombinatsioonidega."
Uue artikli autorite kasutatud masinõppe lähenemisviisist ei saa kasu ainult mineraalsed ühendid. AI-d saab rakendada paljudes valdkondades, kus probleemid on nii keerulised, et teadlased ei suuda matemaatika või tuntud füüsika simulatsioonide abil tavapäraseid lahendusi välja töötada, ütles Buehler.
"Lõppude lõpuks pole meil veel õigeid mudeleid, et seostada materjali struktuuri selle omadustega," lisas ta. "Üks valdkond on bioloogia, täpsem alt valkude voltimine. Miks põhjustavad mõned valgud pärast väikest geneetilist muutust haigusi? Kuidas saame haiguste raviks välja töötada uusi keemilisi ühendeid või uusi ravimeid?"
Teine võimalus on leida viis betooni jõudluse parandamiseks, et vähendada selle süsinikumõju, ütles Buehler. Näiteks võib materjali molekulaargeomeetria olla paigutatud erinev alt, et muuta materjalid efektiivsemaks, et meil oleks vähem materjale kasutades rohkem tugevust ja et materjalid kestaks kauem.
"AI muudab murranguliselt seda, kuidas me mõtleme paljude nende kõrgmõõtmeliste keerukate probleemide lahendamisele, ja see avab uue võimaluse mõelda tulevikuvõimalustele," lisas ta. "Oleme alles põneva aja alguses."
