Novi spojevi rijetkih zemalja mogli bi napajati vaš telefon

Nova metoda pronalaženja spojeva rijetkih zemalja pomoću umjetne inteligencije mogla bi dovesti do otkrića koja će revolucionirati osobnu elektroniku, kažu stručnjaci.

Istraživači iz Ames Laboratoryja i Texas A&M Sveučilišta trenirali su model strojnog učenja (ML). za procjenu stabilnosti spojeva rijetkih zemalja. Elementi rijetkih zemalja imaju mnoge namjene, uključujući tehnologije čiste energije, skladištenje energije i trajne magnete.

"Novi spojevi mogu omogućiti buduće tehnologije koje još ne možemo ni dokučiti", Yaroslav Mudryk, voditelj projekta, rekao je za Lifewire u intervjuu e-poštom.

Pronalaženje minerala

Kako bi poboljšali potragu za novim spojevima, znanstvenici su koristili strojno učenje, oblik umjetne inteligencije (AI) koju pokreću računalni algoritmi koji se poboljšavaju korištenjem podataka i iskustvom. Istraživači su također koristili visokopropusni screening, računsku shemu koja omogućuje istraživačima da brzo testiraju stotine modela. Opisan je njihov rad u nedavnom radu Objavljeno u Acta Materialia.

Prije AI, otkrivanje novih materijala uglavnom se temeljilo na pokušajima i pogreškama, Prashant Singh, rekao je jedan od članova tima u e-poruci za Lifewire. AI i strojno učenje omogućuju istraživačima korištenje baza podataka materijala i računalnih tehnika za mapiranje kemijske stabilnosti i fizikalnih svojstava novih i postojećih spojeva.

"Na primjer, prijenos novootkrivenog materijala iz laboratorija na tržište može potrajati 20-30 godina, ali AI/ML može značajno ubrzati ovaj proces simulacijom svojstava materijala na računalima prije nego što kroči u laboratorij", rekao je Singh.

AI pobjeđuje starije metode za pronalaženje novih spojeva, Joshua M. Pearce, John M. Thompson Katedra za informacijsku tehnologiju i inovacije na Sveučilištu Western, rekao je u intervjuu e-poštom.

"Broj potencijalnih spojeva, kombinacija, kompozita i novih materijala je zapanjujući", dodao je. „Umjesto da odvojite vrijeme i novac za izradu i pregled svakog za određenu aplikaciju, 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 moć korištenja strojnog učenja.

“To je dramatično drugačiji način da dođemo do takvih otkrića od onoga što smo uspjeli učiniti ranije—otkrića su sada brža, učinkovitija i mogu se više usmjeravati na aplikacije", rekao je Buehler. "Ono što je uzbudljivo u radu Singha et al je to što kombiniraju vrhunske alate za materijale (Funkcionalna teorija gustoće, način rješavanja kvantnih problema) s alatima materijalne informatike. To je definitivno način koji se može primijeniti na mnoge druge probleme dizajna materijala."

Beskrajne mogućnosti

Spojevi rijetkih zemalja nalaze se u mnogim proizvodima visoke tehnologije kao što su mobiteli, satovi i tableti. Na primjer, u zaslonima, ovi spojevi se dodaju kako bi materijali dali visoko ciljana optička svojstva. Također se koriste u kameri vašeg mobitela.

"Oni su, na neki način, vrsta čudesnog materijala koji služi kao važan element u modernoj civilizaciji", rekao je Buehler. „Međutim, postoje izazovi u tome kako se miniraju i kako se opskrbljuju. Stoga moramo istražiti bolje načine kako ih učinkovitije koristiti ili zamijeniti funkcije novim kombinacijama alternativnih materijala."

Ne samo mineralni spojevi mogu 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 uvijek 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 više snage uz manju upotrebu 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 prilikama", dodao je. "Tek smo na početku uzbudljivog vremena."