Νέες ενώσεις σπάνιων γαιών θα μπορούσαν να τροφοδοτήσουν το τηλέφωνό σας
- Οι ερευνητές έχουν περιγράψει μια μέθοδο που χρησιμοποιεί την τεχνητή νοημοσύνη για την εύρεση νέων ενώσεων σπάνιων γαιών.
- Ενώσεις σπάνιων γαιών βρίσκονται σε πολλά προϊόντα υψηλής τεχνολογίας όπως κινητά τηλέφωνα, ρολόγια και ταμπλέτες.
- Η τεχνητή νοημοσύνη μπορεί να εφαρμοστεί σε πολλούς τομείς όπου τα προβλήματα είναι τόσο πολύπλοκα που οι επιστήμονες δεν μπορούν να αναπτύξουν συμβατικές λύσεις μέσω μαθηματικών ή προσομοιώσεων γνωστής φυσικής.
RunPhoto / Getty Images
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 Ames Laboratory και το Texas A&M University εκπαίδευσαν ένα μοντέλο μηχανικής μάθησης (ML). για την αξιολόγηση της σταθερότητας 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."
Εύρεση ορυκτών
Για να βελτιώσουν την αναζήτηση νέων ενώσεων, οι επιστήμονες χρησιμοποίησαν τη μηχανική μάθηση, μια μορφή τεχνητής νοημοσύνης (AI) που καθοδηγείται από 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. Περιγράφηκε η δουλειά τους σε πρόσφατη εφημερίδα δημοσιευτηκε σε Acta Materialia.
Πριν από την τεχνητή νοημοσύνη, η ανακάλυψη νέων υλικών βασιζόταν κυρίως σε δοκιμή και λάθος, Prashant Singh, ένα από τα μέλη της ομάδας, είπε 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 επιταχύνετε σημαντικά αυτή τη διαδικασία προσομοιώνοντας τις ιδιότητες του υλικού σε υπολογιστές πριν πατήσετε το πόδι σας σε ένα εργαστήριο." είπε ο Σινγκ.
«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, Τζόσουα Μ. Pearce, ο John M. Η έδρα Thompson στην Πληροφορική και την Καινοτομία στο Western University, είπε 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».
Μάρκους Τζ. 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 διαφορετικός τρόπος να κάνουμε τέτοιες ανακαλύψεις από αυτό που μπορέσαμε να κάνουμε προηγουμένως—οι ανακαλύψεις είναι πλέον ταχύτερες, 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 υλικών αιχμής (Density Functional Theory, ένας τρόπος επίλυσης κβαντικών προβλημάτων) με εργαλεία πληροφορικής υλικών. Είναι σίγουρα ένας τρόπος που μπορεί να εφαρμοστεί σε πολλά άλλα προβλήματα σχεδιασμού υλικών».
Ατελείωτες δυνατότητες
Ενώσεις σπάνιων γαιών βρίσκονται σε πολλά προϊόντα υψηλής τεχνολογίας όπως κινητά τηλέφωνα, ρολόγια και ταμπλέτες. 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.
Olemedia / Getty Images
«Είναι, κατά κάποιο τρόπο, ένα είδος θαυματουργού υλικού που χρησιμεύει ως σημαντικό στοιχείο στον σύγχρονο πολιτισμό», είπε ο Buehler. «Υπάρχουν προκλήσεις, ωστόσο, στο πώς εξορύσσονται και πώς προμηθεύονται. Ως εκ τούτου, πρέπει να διερευνήσουμε καλύτερους τρόπους είτε για να τα χρησιμοποιήσουμε πιο αποτελεσματικά είτε για 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.
«Σε τελική ανάλυση, δεν έχουμε ακόμη τα σωστά μοντέλα για να συσχετίσουμε τη δομή ενός υλικού με τις ιδιότητές του», πρόσθεσε. «Ένας τομέας είναι η βιολογία, συγκεκριμένα η αναδίπλωση πρωτεϊνών. Γιατί μερικές 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 περισσότερη αντοχή με λιγότερη χρήση υλικού και να διαρκούν περισσότερο τα υλικά.
«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», πρόσθεσε. «Είμαστε μόλις στην αρχή μιας συναρπαστικής εποχής».