Βασικά Takeaways
- Ερευνητές έχουν περιγράψει μια μέθοδο που χρησιμοποιεί την τεχνητή νοημοσύνη για την εύρεση νέων ενώσεων σπάνιων γαιών.
- Οι ενώσεις σπάνιων γαιών βρίσκονται σε πολλά προϊόντα υψηλής τεχνολογίας, όπως κινητά τηλέφωνα, ρολόγια και ταμπλέτες.
- Το Η τεχνητή νοημοσύνη μπορεί να εφαρμοστεί σε πολλούς τομείς όπου τα προβλήματα είναι τόσο περίπλοκα που οι επιστήμονες δεν μπορούν να αναπτύξουν συμβατικές λύσεις μέσω μαθηματικών ή προσομοιώσεων γνωστής φυσικής.
Μια νέα μέθοδος εύρεσης ενώσεων σπάνιων γαιών με χρήση τεχνητής νοημοσύνης θα μπορούσε να οδηγήσει σε ανακαλύψεις που φέρουν επανάσταση στα προσωπικά ηλεκτρονικά, λένε οι ειδικοί.
Ερευνητές από το Εργαστήριο Ames και το Πανεπιστήμιο A&M του Τέξας εκπαίδευσαν ένα μοντέλο μηχανικής μάθησης (ML) για την αξιολόγηση της σταθερότητας των ενώσεων σπάνιων γαιών. Τα στοιχεία σπανίων γαιών έχουν πολλές χρήσεις, συμπεριλαμβανομένων τεχνολογιών καθαρής ενέργειας, αποθήκευσης ενέργειας και μόνιμων μαγνητών.
"Νέες ενώσεις μπορεί να επιτρέψουν μελλοντικές τεχνολογίες που δεν μπορούμε καν να καταλάβουμε ακόμη", είπε ο Yaroslav Mudryk, ο επόπτης του έργου, σε μια συνέντευξη στο Lifewire.
Εύρεση ορυκτών
Για να βελτιώσουν την αναζήτηση νέων ενώσεων, οι επιστήμονες χρησιμοποίησαν τη μηχανική μάθηση, μια μορφή τεχνητής νοημοσύνης (AI) που βασίζεται σε αλγόριθμους υπολογιστών που βελτιώνονται μέσω της χρήσης δεδομένων και της εμπειρίας. Οι ερευνητές χρησιμοποίησαν επίσης έλεγχο υψηλής απόδοσης, ένα υπολογιστικό σχήμα που επιτρέπει στους ερευνητές να δοκιμάσουν γρήγορα εκατοντάδες μοντέλα. Η δουλειά τους περιγράφηκε σε μια πρόσφατη δημοσίευση στο Acta Materialia.
Πριν από την τεχνητή νοημοσύνη, η ανακάλυψη νέων υλικών βασιζόταν κυρίως σε δοκιμή και λάθος, είπε ο Prashant Singh, ένα από τα μέλη της ομάδας, σε ένα email στο Lifewire. Η τεχνητή νοημοσύνη και η μηχανική μάθηση επιτρέπουν στους ερευνητές να χρησιμοποιούν βάσεις δεδομένων υλικών και υπολογιστικές τεχνικές για να χαρτογραφήσουν τόσο τη χημική σταθερότητα όσο και τις φυσικές ιδιότητες νέων και υπαρχουσών ενώσεων.
"Για παράδειγμα, η μεταφορά ενός υλικού που ανακαλύφθηκε πρόσφατα από το εργαστήριο στην αγορά μπορεί να διαρκέσει 20-30 χρόνια, αλλά το AI/ML μπορεί να επιταχύνει σημαντικά αυτή τη διαδικασία προσομοιώνοντας τις ιδιότητες υλικού σε υπολογιστές πριν πατήσει το πόδι του σε ένα εργαστήριο, " Singh είπε.
Η τεχνητή νοημοσύνη φέρνει επανάσταση στον τρόπο με τον οποίο σκεφτόμαστε την επίλυση πολλών από αυτά τα πολύπλοκα προβλήματα υψηλών διαστάσεων και ανοίγει έναν νέο τρόπο σκέψης για μελλοντικές ευκαιρίες.
Η τεχνητή νοημοσύνη ξεπερνά τις παλαιότερες μεθόδους για την εύρεση νέων ενώσεων, δήλωσε ο Joshua M. Pearce, Έδρα John M. Thompson στην Πληροφορική και την Καινοτομία στο Western University, σε μια συνέντευξη μέσω email.
"Ο αριθμός των πιθανών ενώσεων, συνδυασμών, σύνθετων υλικών και νέων υλικών είναι εντυπωσιακός", πρόσθεσε. «Αντί να αφιερώνετε χρόνο και χρήμα για να φτιάξετε και να ελέγξετε την καθεμία για μια συγκεκριμένη εφαρμογή, η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για να βοηθήσει στην πρόβλεψη υλικών με χρήσιμες ιδιότητες. Τότε οι επιστήμονες μπορούν να επικεντρώσουν τις προσπάθειές τους."
Markus J. Buehler, ο καθηγητής Μηχανικής McAfee στο MIT, είπε σε μια συνέντευξη μέσω email ότι η νέα εργασία δείχνει τη δύναμη της χρήσης μηχανικής μάθησης.
"Είναι ένας δραματικά διακριτός τρόπος για να κάνουμε τέτοιες ανακαλύψεις από αυτό που μπορούσαμε να κάνουμε στο παρελθόν - οι ανακαλύψεις είναι τώρα πιο γρήγορες, πιο αποτελεσματικές και μπορούν να στοχεύουν περισσότερο σε εφαρμογές", είπε ο Buehler. "Αυτό που είναι συναρπαστικό με τη δουλειά των Singh et al είναι ότι συνδυάζουν εργαλεία αιχμής υλικών (Density Functional Theory, ένας τρόπος επίλυσης κβαντικών προβλημάτων) με εργαλεία πληροφορικής υλικών. Είναι σίγουρα ένας τρόπος που μπορεί να εφαρμοστεί σε πολλά άλλα σχέδια υλικών προβλήματα."
Ατελείωτες δυνατότητες
Οι ενώσεις σπάνιων γαιών βρίσκονται σε πολλά προϊόντα υψηλής τεχνολογίας, όπως κινητά τηλέφωνα, ρολόγια και tablet. Για παράδειγμα, σε οθόνες, αυτές οι ενώσεις προστίθενται για να προσδώσουν υλικά με εξαιρετικά στοχευμένες οπτικές ιδιότητες. Χρησιμοποιούνται επίσης στην κάμερα του κινητού σας τηλεφώνου.
"Είναι, κατά κάποιο τρόπο, ένα είδος θαυμαστό υλικό που χρησιμεύει ως σημαντικό στοιχείο στον σύγχρονο πολιτισμό", είπε ο Buehler. "Υπάρχουν προκλήσεις, ωστόσο, ως προς τον τρόπο εξόρυξης και τον τρόπο παροχής τους. Ως εκ τούτου, πρέπει να εξερευνήσουμε καλύτερους τρόπους είτε να τα χρησιμοποιήσουμε πιο αποτελεσματικά είτε να αντικαταστήσουμε τις λειτουργίες με νέους συνδυασμούς εναλλακτικών υλικών."
Δεν είναι μόνο οι ορυκτές ενώσεις που μπορούν να ωφεληθούν από την προσέγγιση μηχανικής μάθησης που χρησιμοποιούν οι συγγραφείς της νέας εργασίας. Η τεχνητή νοημοσύνη μπορεί να εφαρμοστεί σε πολλούς τομείς όπου τα προβλήματα είναι τόσο περίπλοκα που οι επιστήμονες δεν μπορούν να αναπτύξουν συμβατικές λύσεις μέσω μαθηματικών ή προσομοιώσεων γνωστής φυσικής, είπε ο Buehler.
"Τελικά, δεν έχουμε ακόμη τα κατάλληλα μοντέλα για να συσχετίσουμε τη δομή ενός υλικού με τις ιδιότητές του", πρόσθεσε. "Ένας τομέας είναι η βιολογία, συγκεκριμένα η αναδίπλωση πρωτεϊνών. Γιατί ορισμένες πρωτεΐνες, αφού έχουν μια μικρή γενετική αλλαγή, οδηγούν σε ασθένεια; Πώς μπορούμε να αναπτύξουμε νέες χημικές ενώσεις για τη θεραπεία ασθενειών ή να αναπτύξουμε νέα φάρμακα;"
Μια άλλη πιθανότητα είναι η εύρεση ενός τρόπου βελτίωσης της απόδοσης του σκυροδέματος για τη μείωση του αντίκτυπου στον άνθρακα, είπε ο Buehler. Για παράδειγμα, η μοριακή γεωμετρία του υλικού θα μπορούσε να διευθετηθεί διαφορετικά για να κάνει τα υλικά πιο αποτελεσματικά, ώστε να έχουμε μεγαλύτερη αντοχή με λιγότερη χρήση υλικού και να διαρκούν περισσότερο.
"Το AI φέρνει επανάσταση στον τρόπο με τον οποίο σκεφτόμαστε την επίλυση πολλών από αυτά τα πολύπλοκα προβλήματα υψηλών διαστάσεων και ανοίγει έναν νέο τρόπο σκέψης για μελλοντικές ευκαιρίες", πρόσθεσε. "Είμαστε μόλις στην αρχή μιας συναρπαστικής στιγμής."
