Հիմնական տանողներ
- Հետազոտողները նկարագրել են մի մեթոդ, որն օգտագործում է AI-ն՝ նոր հազվագյուտ երկրային միացություններ գտնելու համար:
- Հազվագյուտ հողային միացություններ հայտնաբերված են շատ բարձր տեխնոլոգիական արտադրանքներում, ինչպիսիք են բջջային հեռախոսները, ժամացույցները և պլանշետները:
- AI-ն կարող է կիրառվել բազմաթիվ ոլորտներում, որտեղ խնդիրներն այնքան բարդ են, որ գիտնականները չեն կարող սովորական լուծումներ մշակել մաթեմատիկայի կամ հայտնի ֆիզիկայի մոդելավորման միջոցով:
Արհեստական ինտելեկտի միջոցով հազվագյուտ երկրային միացությունների հայտնաբերման նոր մեթոդը կարող է հանգեցնել հայտնագործությունների, որոնք հեղափոխություն կառաջացնեն անձնական էլեկտրոնիկան, ասում են փորձագետները:
Էյմս լաբորատորիայի և Տեխասի A&M համալսարանի հետազոտողները վերապատրաստել են մեքենայական ուսուցման (ML) մոդել՝ հազվագյուտ երկրային միացությունների կայունությունը գնահատելու համար: Հազվագյուտ հողային տարրերը շատ օգտագործում են, այդ թվում՝ մաքուր էներգիայի տեխնոլոգիաները, էներգիայի պահեստավորումը և մշտական մագնիսները:
«Նոր միացությունները կարող են հնարավորություն ընձեռել ապագա տեխնոլոգիաներին, որոնք մենք դեռ չենք էլ կարող հասկանալ»,- Lifewire-ին տված հարցազրույցում ասաց ծրագրի ղեկավար Յարոսլավ Մուդրիկը:
Հանքանյութերի որոնում
Նոր միացությունների որոնումը բարելավելու համար գիտնականներն օգտագործել են մեքենայական ուսուցումը՝ արհեստական ինտելեկտի (AI) մի ձև, որը առաջնորդվում է համակարգչային ալգորիթմներով, որոնք բարելավվում են տվյալների օգտագործման և փորձի միջոցով: Հետազոտողները նաև օգտագործել են բարձր թողունակության սկրինինգ՝ հաշվողական սխեմա, որը թույլ է տալիս հետազոտողներին արագ փորձարկել հարյուրավոր մոդելներ: Նրանց աշխատանքը նկարագրվել է Acta Materialia-ում հրապարակված վերջին հոդվածում:
Մինչ AI-ն, նոր նյութերի հայտնաբերումը հիմնականում հիմնված էր փորձության և սխալի վրա, Lifewire-ին ուղղված նամակում ասել է Պրաշանթ Սինգհը՝ թիմի անդամներից մեկը:Արհեստական ինտելեկտը և մեքենայական ուսուցումը հետազոտողներին թույլ են տալիս օգտագործել նյութերի տվյալների բազաները և հաշվողական տեխնիկան՝ քարտեզագրելու նոր և գոյություն ունեցող միացությունների և՛ քիմիական կայունությունը, և՛ ֆիզիկական հատկությունները:
«Օրինակ, նոր հայտնաբերված նյութը լաբորատորիայից շուկա տանելը կարող է տևել 20-30 տարի, սակայն AI/ML-ը կարող է զգալիորեն արագացնել այս գործընթացը՝ մոդելավորելով նյութի հատկությունները համակարգիչների վրա՝ նախքան լաբորատորիա ոտք դնելը», - Սինգհ։ ասաց.
AI-ը հեղափոխություն է անում, թե ինչպես ենք մենք մտածում այս մեծ չափերի բարդ խնդիրների լուծման մասին, և դա նոր ճանապարհ է բացում ապագա հնարավորությունների մասին մտածելու համար:
AI-ն հաղթում է նոր միացություններ գտնելու ավելի հին մեթոդներին, ասել է Ջոշուա Մ. Փիրսը, Արևմտյան համալսարանի տեղեկատվական տեխնոլոգիաների և նորարարության ամբիոնի վարիչ Ջոշուա Մ. Թոմփսոնը:
«Պոտենցիալ միացությունների, համակցությունների, կոմպոզիտների և նոր նյութերի քանակը ցնցող է», - ավելացրեց նա: «Յուրաքանչյուր կիրառման համար ժամանակ և գումար ծախսելու փոխարեն, AI-ն կարող է օգտագործվել օգտակար հատկություններով նյութերը կանխատեսելու համար:Այնուհետև գիտնականները կարող են կենտրոնացնել իրենց ջանքերը»:
Մարկուս Ջ.
«Դա նման հայտնագործություններ անելու կտրուկ տարբեր եղանակ է, քան այն, ինչ մենք կարողացանք անել նախկինում. բացահայտումներն այժմ ավելի արագ են, ավելի արդյունավետ և կարող են ավելի ուղղված լինել հավելվածներին», - ասաց Բյուհլերը: «Սինգհի և այլոց աշխատանքի մեջ հետաքրքիրն այն է, որ նրանք միավորում են ժամանակակից նյութերի գործիքները (Խտության ֆունկցիոնալ տեսություն, քվանտային խնդիրներ լուծելու միջոց) նյութական ինֆորմատիկայի գործիքների հետ: Դա միանշանակ միջոց է, որը կարող է կիրառվել շատ այլ նյութերի նախագծման մեջ: խնդիրներ։"
Անվերջ հնարավորություններ
Հազվագյուտ հողային միացություններ հայտնաբերված են շատ բարձր տեխնոլոգիական արտադրանքներում, ինչպիսիք են բջջային հեռախոսները, ժամացույցները և պլանշետները: Օրինակ, ցուցադրություններում այս միացությունները ավելացվում են բարձր նպատակային օպտիկական հատկություններով նյութերին օժտելու համար: Դրանք նաև օգտագործվում են ձեր բջջային հեռախոսի տեսախցիկում:
«Դրանք, ինչ-որ կերպ, մի տեսակ զարմանալի նյութ են, որը ծառայում է որպես կարևոր տարր ժամանակակից քաղաքակրթության մեջ», - ասաց Բյուլերը: «Այնուամենայնիվ, կան մարտահրավերներ, թե ինչպես են դրանք արդյունահանվում և ինչպես են դրանք մատակարարվում: Հետևաբար, մենք պետք է ավելի լավ ուղիներ փնտրենք դրանք ավելի արդյունավետ օգտագործելու կամ գործառույթները փոխարինելու այլընտրանքային նյութերի նոր համակցություններով»:
Ոչ միայն հանքային միացությունները կարող են օգուտ քաղել նոր աշխատության հեղինակների կողմից օգտագործված մեքենայական ուսուցման մոտեցումից: AI-ն կարող է կիրառվել բազմաթիվ ոլորտներում, որտեղ խնդիրներն այնքան բարդ են, որ գիտնականները չեն կարող սովորական լուծումներ մշակել մաթեմատիկայի կամ հայտնի ֆիզիկայի մոդելավորման միջոցով, ասել է Բյուհլերը::
«Ի վերջո, մենք դեռ չունենք ճիշտ մոդելներ, որոնք կապում են նյութի կառուցվածքը նրա հատկությունների հետ», - ավելացրեց նա: «Մի ոլորտը կենսաբանությունն է, մասնավորապես՝ սպիտակուցների ծալումը: Ինչո՞ւ են որոշ սպիտակուցներ, փոքր գենետիկական փոփոխությունից հետո, հանգեցնում հիվանդության: Ինչպե՞ս կարող ենք նոր քիմիական միացություններ մշակել հիվանդությունները բուժելու կամ նոր դեղամիջոցներ մշակելու համար»:
Մեկ այլ հնարավորություն է գտնել բետոնի արդյունավետությունը բարելավելու միջոց՝ դրա ածխածնի ազդեցությունը նվազեցնելու համար, ասաց Բյուհլերը: Օրինակ՝ նյութի մոլեկուլային երկրաչափությունը կարող է տարբեր կերպ դասավորվել՝ նյութերն ավելի արդյունավետ դարձնելու համար, որպեսզի մենք ավելի շատ ամրություն ունենանք նյութի քիչ օգտագործմամբ, և որ նյութերն ավելի երկար տևեն:
«Արհեստական ինտելեկտը հեղափոխում է այն, թե ինչպես ենք մենք մտածում այս մեծ չափերի բարդ խնդիրների լուծման մասին, և դա նոր ճանապարհ է բացում ապագա հնարավորությունների մասին մտածելու համար», - ավելացրեց նա: «Մենք պարզապես հետաքրքիր ժամանակի սկզբում ենք»:
