Uued haruldaste muldmetallide ühendid võivad teie telefoni toita

Uus meetod haruldaste muldmetallide ühendite leidmiseks tehisintellekti abil võib viia avastusteni, mis muudavad isikliku elektroonika pöörde, väidavad eksperdid.

Amesi labori ja Texase A&M ülikooli teadlased koolitasid masinõppe (ML) mudelit stabiilsuse hindamiseks haruldaste muldmetallide ühenditest. Haruldastel muldmetallidel on palju kasutusvõimalusi, sealhulgas puhta energia tehnoloogiad, energia salvestamine ja püsimagnetid.

"Uued ühendid võivad võimaldada tulevikutehnoloogiaid, mida me veel ei suuda isegi mõista," Jaroslav Mudryk, ütles projekti juhendaja Lifewire'ile meiliintervjuus.

Mineraalide leidmine

Uute ühendite otsimise parandamiseks kasutasid teadlased masinõpet, tehisintellekti (AI) vormi, mida juhivad arvutialgoritmid, mis paranevad andmete kasutamise ja kogemuste kaudu. Teadlased kasutasid ka suure läbilaskevõimega sõelumist – arvutuslikku skeemi, mis võimaldab teadlastel sadu mudeleid kiiresti testida. Nende tööd kirjeldati hiljutises artiklis aastal avaldatud Acta Materialia.

Enne tehisintellekti põhines uute materjalide avastamine peamiselt katse-eksituse meetodil, Prashant Singh, ütles üks meeskonnaliikmetest Lifewire'ile saadetud meilis. AI ja masinõpe võimaldavad teadlastel kasutada materjalide andmebaase ja arvutustehnikaid uute ja olemasolevate ühendite keemilise stabiilsuse ja füüsikaliste omaduste kaardistamiseks.

"Näiteks võib äsja avastatud materjali laborist turule viimine võtta aega 20-30 aastat, kuid AI/ML võib võtta kiirendab seda protsessi oluliselt, simuleerides arvutis materjali omadusi enne laborisse astumist. ütles Singh.

AI ületab vanemaid meetodeid uute ühendite leidmiseks, Joshua M. Pearce, John M. Thompsoni Lääne ülikooli infotehnoloogia ja innovatsiooni õppetool, ütles meiliintervjuus.

"Potentsiaalsete ühendite, kombinatsioonide, komposiitide ja uudsete materjalide arv on hämmastav," lisas ta. "Selle asemel, et kulutada aega ja raha, et igaüks neist konkreetse rakenduse jaoks teha ja sõeluda, saab tehisintellekti kasutada kasulike omadustega materjalide ennustamiseks. Siis saavad teadlased keskenduda oma jõupingutustele."

Markus J. BuehlerMIT-i McAfee inseneriprofessor ütles meiliintervjuus, et uus paber näitab masinõppe kasutamise võimsust.

"See on dramaatiliselt erinev viis selliste avastuste tegemiseks kui see, mida oleme suutnud teha Varem on avastused nüüd kiiremad, tõhusamad ja neid saab paremini rakendustele suunata. ütles Buehler. "Singhi jt töös on põnev see, et nad ühendavad tipptasemel materjalide tööriistu (tiheduse funktsionaalse teooria, kvantprobleemide lahendamise viis) materjali informaatika tööriistadega. See on kindlasti viis, mida saab rakendada paljude muude materjalide disainiprobleemide puhul."

Lõputud võimalused

Haruldasi muldmetallide ühendeid leidub paljudes kõrgtehnoloogilistes toodetes, nagu mobiiltelefonid, kellad ja tahvelarvutid. Näiteks kuvaritel lisatakse need ühendid materjalidele, millel on väga sihipärased optilised omadused. Neid kasutatakse ka teie mobiiltelefoni kaameras.

"Need on mingil moel imematerjalid, mis on kaasaegses tsivilisatsioonis olulised elemendid," ütles Buehler. "Kuid nende kaevandamisel ja tarnimisel on väljakutseid. Seetõttu peame uurima paremaid viise nende tõhusamaks kasutamiseks või funktsioonide asendamiseks alternatiivsete materjalide uute kombinatsioonidega.

Uue artikli autorite kasutatud masinõppe lähenemisviisist ei saa kasu ainult mineraalsed ühendid. AI-d saab rakendada paljudes valdkondades, kus probleemid on nii keerulised, et teadlased ei suuda matemaatika või tuntud füüsika simulatsioonide abil tavapäraseid lahendusi välja töötada, ütles Buehler.

«Meil pole ju veel õigeid mudeleid, et materjali struktuuri selle omadustega seostada,» lisas ta. "Üks valdkond on bioloogia, täpsemalt valkude voltimine. Miks põhjustavad mõned valgud pärast väikest geneetilist muutust haigusi? Kuidas saame välja töötada uusi keemilisi ühendeid haiguste raviks või uute ravimite väljatöötamiseks?

Teine võimalus on leida viis betooni jõudluse parandamiseks, et vähendada selle süsinikdioksiidi mõju, ütles Buehler. Näiteks võiks materjali molekulaargeomeetria olla paigutatud erinevalt, et muuta materjalid efektiivsemaks, et meil oleks vähema materjalikasutusega rohkem tugevust ja et materjalid kestaks kauem.

"AI muudab revolutsiooni seda, kuidas me mõtleme paljude nende kõrgmõõtmeliste keerukate probleemide lahendamisele ja see avab uue võimaluse mõelda tulevikuvõimalustele," lisas ta. "Oleme alles põneva aja alguses."