Ključni podaci za van
- Istraživači su opisali metodu koja koristi AI za pronalaženje novih spojeva rijetkih zemalja.
- Spojevi rijetkih zemalja nalaze se u mnogim proizvodima visoke tehnologije kao što su mobiteli, satovi i tableti.
- AI se može primijeniti na mnoga područja gdje su problemi toliko složeni da znanstvenici ne mogu razviti konvencionalna rješenja putem matematike ili simulacija poznate fizike.
Nova metoda pronalaženja spojeva rijetkih zemalja pomoću umjetne inteligencije mogla bi dovesti do otkrića koja će revolucionirati osobnu elektroniku, kažu stručnjaci.
Istraživači iz Laboratorija Ames i teksaškog sveučilišta A&M uvježbali su model strojnog učenja (ML) za procjenu stabilnosti spojeva rijetkih zemalja. Elementi rijetke zemlje imaju mnoge namjene, uključujući tehnologije čiste energije, skladištenje energije i trajne magnete.
"Novi spojevi mogu omogućiti buduće tehnologije koje još ne možemo ni zamisliti", rekao je Yaroslav Mudryk, nadzornik projekta, za Lifewire u intervjuu e-poštom.
Pronalaženje minerala
Kako bi poboljšali potragu za novim spojevima, znanstvenici su se koristili strojnim učenjem, oblikom umjetne inteligencije (AI) koju pokreću računalni algoritmi koji se poboljšavaju korištenjem podataka i iskustvom. Istraživači su također koristili screening visoke propusnosti, računsku shemu koja istraživačima omogućuje brzo testiranje stotina modela. Njihov je rad opisan u nedavnom radu objavljenom u Acta Materialia.
Prije umjetne inteligencije, otkrivanje novih materijala uglavnom se temeljilo na pokušajima i pogreškama, rekao je Prashant Singh, jedan od članova tima, u e-poruci Lifewireu. AI i strojno učenje omogućuju istraživačima korištenje baza podataka materijala i računalnih tehnika za mapiranje kemijske stabilnosti i fizičkih svojstava novih i postojećih spojeva.
"Na primjer, iznošenje novootkrivenog materijala iz laboratorija na tržište može potrajati 20-30 godina, ali AI/ML može značajno ubrzati ovaj proces simuliranjem svojstava materijala na računalima prije nego što kroči u laboratorij, " Singh rekao.
AI revolucionira način na koji razmišljamo o rješavanju mnogih od ovih visokodimenzionalnih složenih problema i otvara novi način razmišljanja o budućim prilikama.
AI pobjeđuje starije metode za pronalaženje novih spojeva, rekao je u intervjuu e-poštom Joshua M. Pearce, John M. Thompson Katedra za informacijsku tehnologiju i inovacije na Sveučilištu Western.
"Broj potencijalnih spojeva, kombinacija, kompozita i novih materijala je nevjerojatan", dodao je. "Umjesto da uzimamo vrijeme i novac za izradu i pregled svakog za određenu primjenu, AI se može koristiti za pomoć u predviđanju materijala s korisnim svojstvima. Tada znanstvenici mogu usredotočiti svoje napore."
Markus J. Buehler, McAfee profesor inženjerstva na MIT-u, rekao je u intervjuu e-poštom da novi rad pokazuje snagu korištenja strojnog učenja.
"To je dramatično drugačiji način za dolazak do takvih otkrića od onoga što smo mogli učiniti ranije - otkrića su sada brža, učinkovitija i mogu biti bolje usmjerena na aplikacije," rekao je Buehler. "Ono što je uzbudljivo u radu Singha i suradnika jest to što kombiniraju vrhunske alate za materijale (teoriju funkcije gustoće, način rješavanja kvantnih problema) s alatima materijalne informatike. To je definitivno način koji se može primijeniti na dizajn mnogih drugih materijala problemi."
Beskrajne mogućnosti
Spojevi rijetkih zemalja nalaze se u mnogim proizvodima visoke tehnologije kao što su mobiteli, satovi i tableti. Na primjer, u zaslonima se ti spojevi dodaju kako bi materijali dobili visoko ciljana optička svojstva. Također se koriste u kameri vašeg mobitela.
"Oni su, na neki način, neka vrsta čudesnog materijala koji služi kao važan element u modernoj civilizaciji," rekao je Buehler. "Međutim, postoje izazovi u načinu na koji se iskopavaju i kako se opskrbljuju. Stoga moramo istražiti bolje načine za njihovu učinkovitiju upotrebu ili zamjenu funkcija novim kombinacijama alternativnih materijala."
Ne mogu samo mineralni spojevi imati koristi od pristupa strojnog učenja koji koriste autori novog rada. AI se može primijeniti na mnoga područja gdje su problemi toliko složeni da znanstvenici ne mogu razviti konvencionalna rješenja putem matematike ili simulacija poznate fizike, rekao je Buehler.
"Uostalom, još nemamo prave modele za povezivanje strukture materijala s njegovim svojstvima", dodao je. "Jedno područje je biologija, točnije savijanje proteina. Zašto neki proteini, nakon male genetske promjene, dovode do bolesti? Kako možemo razviti nove kemijske spojeve za liječenje bolesti ili razviti nove lijekove?"
Druga mogućnost je pronalaženje načina za poboljšanje performansi betona kako bi se smanjio njegov utjecaj ugljika, rekao je Buehler. Na primjer, molekularna geometrija materijala mogla bi se drugačije rasporediti kako bi materijali bili učinkovitiji tako da imamo veću čvrstoću s manje upotrebe materijala i da materijali traju dulje.
"AI revolucionira način na koji razmišljamo o rješavanju mnogih od ovih visokodimenzionalnih složenih problema i otvara novi način razmišljanja o budućim mogućnostima", dodao je. "Tek smo na početku uzbudljivog vremena."
