Pagrindiniai pasiėmimai
- Tyrėjai aprašė metodą, kuris naudoja dirbtinį intelektą naujiems retųjų žemių junginiams rasti.
- Retųjų žemių junginių randama daugelyje aukštųjų technologijų gaminių, pvz., mobiliųjų telefonų, laikrodžių ir planšetinių kompiuterių.
- AI gali būti taikoma daugelyje sričių, kur problemos yra tokios sudėtingos, kad mokslininkai negali sukurti įprastinių sprendimų pasitelkdami matematiką ar žinomos fizikos modeliavimą.
Naujas retųjų žemių junginių radimo metodas naudojant dirbtinį intelektą gali lemti atradimus, kurie pakeis asmeninę elektroniką, sako ekspertai.
Tyrėjai iš Ames Laboratory ir Teksaso A&M universiteto parengė mašininio mokymosi (ML) modelį, skirtą retųjų žemių junginių stabilumui įvertinti. Retųjų žemių elementai gali būti naudojami daugeliu atvejų, įskaitant švarios energijos technologijas, energijos kaupimą ir nuolatinius magnetus.
„Nauji junginiai gali sudaryti sąlygas ateities technologijoms, kurių mes dar net negalime suvokti“, – interviu el. paštu „Lifewire“sakė projekto vadovas Yaroslavas Mudrykas.
Rasti mineralų
Siekdami pagerinti naujų junginių paiešką, mokslininkai naudojo mašininį mokymąsi – dirbtinio intelekto (AI) formą, kurią skatina kompiuteriniai algoritmai, kurie tobulėja naudojant duomenis ir patirtį. Tyrėjai taip pat naudojo didelio našumo atranką – skaičiavimo schemą, leidžiančią tyrėjams greitai išbandyti šimtus modelių. Jų darbas buvo aprašytas neseniai Acta Materialia paskelbtame dokumente.
Prieš AI naujų medžiagų atradimas daugiausia buvo pagrįstas bandymais ir klaidomis, vienas iš komandos narių Prashantas Singhas sakė el. laiške Lifewire. Dirbtinis intelektas ir mašininis mokymasis leidžia tyrėjams naudoti medžiagų duomenų bazes ir skaičiavimo metodus, kad nustatytų naujų ir esamų junginių cheminį stabilumą ir fizines savybes.
"Pavyzdžiui, naujai atrastos medžiagos pristatymas iš laboratorijos į rinką gali užtrukti 20–30 metų, bet AI/ML gali žymiai pagreitinti šį procesą, imituodama medžiagos savybes kompiuteriuose prieš įkeliant koją į laboratoriją, " Singh. pasakė.
AI iš esmės keičia mūsų mąstymą apie daugelio šių didelės apimties sudėtingų problemų sprendimą ir atveria naują būdą galvoti apie ateities galimybes.
AI pranoksta senesnius metodus ieškant naujų junginių, interviu el. paštu sakė Joshua M. Pearce, Johno M. Thompsono informacinių technologijų ir inovacijų katedra Vakarų universitete.
„Galimų junginių, derinių, kompozitų ir naujų medžiagų skaičius yra pribloškiantis“, – pridūrė jis. „Užuot skirti laiko ir pinigų gaminant ir tikrinant kiekvieną pagal konkrečią programą, dirbtinis intelektas gali būti naudojamas padėti numatyti naudingų savybių turinčias medžiagas. Tada mokslininkai galės sutelkti savo pastangas."
Markus J. Buehleris, McAfee MIT inžinerijos profesorius, interviu el. paštu sakė, kad naujasis dokumentas parodo mašininio mokymosi galią.
„Tai labai skirtingas būdas padaryti tokius atradimus nei tai, ką galėjome padaryti anksčiau – dabar atradimai yra greitesni, efektyvesni ir gali būti labiau pritaikyti programoms“, – sakė Buehleris. "Singh ir kt. darbe įdomu tai, kad jie sujungia pažangiausius medžiagų įrankius (tankio funkcinę teoriją, būdą išspręsti kvantines problemas) su medžiagų informatikos įrankiais. Tai tikrai būdas, kurį galima pritaikyti daugeliui kitų medžiagų projektavimo. problemų."
Begalinės galimybės
Retųjų žemių junginių yra daugelyje aukštųjų technologijų gaminių, pvz., mobiliųjų telefonų, laikrodžių ir planšetinių kompiuterių. Pavyzdžiui, ekranuose šie junginiai pridedami prie medžiagų, turinčių labai tikslines optines savybes. Jie taip pat naudojami jūsų mobiliojo telefono kameroje.
„Jie tam tikra prasme yra stebuklinga medžiaga, kuri yra svarbus šiuolaikinės civilizacijos elementas“, - sakė Buehleris. "Tačiau yra iššūkių, susijusių su jų gavyba ir tiekimu. Todėl turime ieškoti geresnių būdų, kaip juos veiksmingiau naudoti, arba pakeisti funkcijas naujais alternatyvių medžiagų deriniais."
Mašininio mokymosi metodas, kurį naudoja naujojo straipsnio autoriai, gali būti naudingas ne tik mineraliniams junginiams. AI gali būti taikoma daugelyje sričių, kur problemos yra tokios sudėtingos, kad mokslininkai negali sukurti įprastinių sprendimų pasitelkdami matematiką ar žinomos fizikos modeliavimą, sakė Buehleris.
„Galų gale, mes dar neturime tinkamų modelių, kad susietų medžiagos struktūrą su jos savybėmis“, – pridūrė jis. "Viena sritis yra biologija, ypač b altymų lankstymas. Kodėl kai kurie b altymai, patyrę nedidelį genetinį pokytį, sukelia ligas? Kaip galime sukurti naujus cheminius junginius ligoms gydyti arba sukurti naujus vaistus?"
Kita galimybė yra rasti būdą, kaip pagerinti betono eksploatacines savybes, kad būtų sumažintas jo poveikis anglies dioksidui, sakė Buehleris. Pavyzdžiui, medžiagos molekulinė geometrija gali būti išdėstyta kitaip, kad medžiagos būtų veiksmingesnės, kad sunaudotume mažiau medžiagų ir kad medžiagos tarnautų ilgiau.
„AI daro revoliuciją, kaip mes galvojame apie daugelio šių didelės apimties sudėtingų problemų sprendimą, ir atveria naują būdą galvoti apie ateities galimybes“, – pridūrė jis. „Mes tik pradedame jaudinantį laiką.“
