Негізгі ұсыныстар
- Зерттеушілер жаңа сирек жер қосылыстарын табу үшін AI қолданатын әдісті сипаттады.
- Сирек жер қосылыстары ұялы телефондар, сағаттар және планшеттер сияқты көптеген жоғары технологиялық өнімдерде кездеседі.
- AI проблемалары соншалықты күрделі болғандықтан, ғалымдар математика немесе белгілі физиканың модельдеулері арқылы әдеттегі шешімдерді жасай алмайтын көптеген салаларда қолданылуы мүмкін.
Жасанды интеллект арқылы сирек жер қосылыстарын табудың жаңа әдісі жеке электроникада төңкеріс жасайтын жаңалықтарға әкелуі мүмкін дейді сарапшылар.
Амес зертханасы мен Техас A&M университетінің зерттеушілері сирек кездесетін қосылыстардың тұрақтылығын бағалау үшін машиналық оқыту (ML) үлгісін оқытты. Сирек жер элементтерінің көптеген мақсаттары бар, соның ішінде таза энергия технологиялары, энергия сақтау және тұрақты магниттер.
«Жаңа қосылыстар біз әлі түсіне алмайтын болашақ технологияларды іске қосуы мүмкін», - деді жоба жетекшісі Ярослав Мудрик Lifewire-ке электрондық пошта арқылы берген сұхбатында.
Пайдалы қазбаларды табу
Жаңа қосылыстарды іздеуді жақсарту үшін ғалымдар деректерді пайдалану және тәжірибе арқылы жақсартатын компьютерлік алгоритмдер арқылы басқарылатын жасанды интеллект (AI) түрі - машиналық оқытуды қолданды. Зерттеушілер сонымен қатар зерттеушілерге жүздеген модельдерді жылдам сынауға мүмкіндік беретін есептеу схемасы жоғары өнімді скринингті қолданды. Олардың жұмысы Acta Materialia журналында жақында жарияланған мақалада сипатталған.
AI-ға дейін жаңа материалдарды ашу негізінен сынақ пен қатеге негізделген, деді команда мүшелерінің бірі Прашант Сингх Lifewire электрондық поштасында. AI және машиналық оқыту зерттеушілерге жаңа және бар қосылыстардың химиялық тұрақтылығы мен физикалық қасиеттерін салыстыру үшін материалдық дерекқорлар мен есептеу әдістерін пайдалануға мүмкіндік береді.
"Мысалы, жаңадан табылған материалды зертханадан нарыққа шығару 20-30 жылға созылуы мүмкін, бірақ AI/ML зертханаға аяқ баспас бұрын компьютерлердегі материалдың қасиеттерін модельдеу арқылы бұл процесті айтарлықтай жылдамдата алады, " Сингх деді.
AI осы жоғары өлшемді күрделі мәселелердің көпшілігін шешуге деген көзқарасымызды өзгертеді және болашақ мүмкіндіктер туралы ойлаудың жаңа жолын ашады.
AI жаңа қосылыстарды табудың ескі әдістерін жеңеді, деді Джошуа М. Пирс, Батыс университетінің ақпараттық технологиялар және инновациялар кафедрасы Джон М. Томпсон кафедрасы электрондық поштаға берген сұхбатында.
"Әлеуетті қосылыстардың, комбинациялардың, композиттердің және жаңа материалдардың саны таң қалдырады", - деп қосты ол. «Әрқайсысын белгілі бір қолданба үшін жасау және скрининг үшін уақыт пен ақшаны алудың орнына, AI пайдалы қасиеттері бар материалдарды болжауға көмектесу үшін пайдаланылуы мүмкін. Сонда ғалымдар күш-жігерін жұмылдыра алады."
Маркус Дж. Бюлер, MIT-тің McAfee инженерия профессоры электрондық поштаға берген сұхбатында жаңа қағаз машиналық оқытуды қолданудың күшін көрсететінін айтты.
"Бұл біз бұрын жасай алған жаңалықтарға қарағанда, мұндай ашылулар жасаудың күрт ерекше жолы - ашылулар қазір жылдамырақ, тиімдірек және қолданбаларға көбірек бағытталуы мүмкін", - деді Бюлер. "Сингх және басқалардың жұмысындағы қызықты нәрсе, олар алдыңғы қатарлы материалдар құралдарын (Тығыздықтың функционалдық теориясы, кванттық есептерді шешу тәсілі) материалдық информатика құралдарымен біріктіреді. Бұл, сөзсіз, көптеген басқа материалдар дизайнына қолдануға болатын әдіс. проблемалар."
Шексіз мүмкіндіктер
Сирек жер қосылыстары ұялы телефондар, сағаттар және планшеттер сияқты көптеген жоғары технологиялық өнімдерде кездеседі. Мысалы, дисплейлерде бұл қосылыстар жоғары мақсатты оптикалық қасиеттері бар материалдарды беру үшін қосылады. Олар ұялы телефоныңыздың камерасында да пайдаланылады.
«Олар қандай да бір түрде заманауи өркениеттің маңызды элементі ретінде қызмет ететін ғажайып материалдың бір түрі», - деді Бюлер. "Алайда олардың қалай өндірілетіні мен жеткізілуінде қиындықтар бар. Сондықтан біз оларды тиімдірек пайдаланудың немесе функцияларды балама материалдардың жаңа комбинацияларымен ауыстырудың жақсы жолдарын іздеуіміз керек."
Жаңа мақаланың авторлары пайдаланатын машиналық оқыту тәсілінен пайда алатын минералды қосылыстар ғана емес. Жасанды интеллект проблемалары соншалықты күрделі болғандықтан, ғалымдар математика немесе белгілі физиканы модельдеу арқылы әдеттегі шешімдерді жасай алмайтын көптеген салаларда қолданылуы мүмкін, деді Бюлер.
«Ақырында, бізде материалдың құрылымын оның қасиеттерімен байланыстыратын дұрыс үлгілер әлі жоқ», - деп қосты ол. "Бір сала биологияда, атап айтқанда ақуыздың қатпарлануында. Неліктен кейбір белоктар аздаған генетикалық өзгеріске ұшырағаннан кейін ауруға әкеледі? Ауруды емдеу үшін жаңа химиялық қосылыстарды немесе жаңа препараттарды қалай жасауға болады?"
Тағы бір мүмкіндік - бетонның көміртегі әсерін азайту үшін өнімділігін жақсарту жолын табу, деді Бьюлер. Мысалы, материалды тиімдірек ету үшін материалдың молекулалық геометриясын басқаша орналастыруға болады, осылайша біз материалды аз пайдаланған кезде беріктікке ие боламыз және материалдар ұзағырақ қызмет етеді.
"AI осы жоғары өлшемді күрделі мәселелердің көпшілігін шешуге деген көзқарасымызды өзгертеді және болашақ мүмкіндіктер туралы ойлаудың жаңа жолын ашады", - деп қосты ол. "Біз қызықты уақыттың басында тұрмыз."
