새로운 희토류 화합물이 휴대전화에 전력을 공급할 수 있습니다.

인공 지능을 사용하여 희토류 화합물을 찾는 새로운 방법은 개인 전자 제품에 혁명을 일으킬 발견으로 이어질 수 있다고 전문가들은 말합니다.

Ames 연구소와 텍사스 A&M 대학의 연구원들이 머신 러닝(ML) 모델을 훈련했습니다. 안정성을 평가하기 위해 희토류 화합물의. 희토류 원소는 청정 에너지 기술, 에너지 저장 및 영구 자석을 포함하여 다양한 용도로 사용됩니다.

"새로운 화합물은 우리가 아직 짐작조차 할 수 없는 미래 기술을 가능하게 할 수 있습니다." 야로슬라프 머드리크, 프로젝트 감독자는 이메일 인터뷰에서 Lifewire에 말했습니다.

광물 찾기

새로운 화합물에 대한 검색을 개선하기 위해 과학자들은 데이터 사용과 경험을 통해 개선되는 컴퓨터 알고리즘에 의해 구동되는 인공 지능(AI)의 한 형태인 기계 학습을 사용했습니다. 연구원들은 또한 연구원들이 수백 개의 모델을 빠르게 테스트할 수 있도록 하는 계산 방식인 고처리량 스크리닝을 사용했습니다. 그들의 작업은 설명되었습니다 최근 논문에서 에 출판 액타 머티리얼리아.

AI 이전에는 신소재 발굴이 주로 시행착오를 거쳐 프라샨트 싱, 팀원 중 한 명이 Lifewire에 보낸 이메일에서 말했습니다. AI와 기계 학습을 통해 연구자는 재료 데이터베이스와 계산 기술을 사용하여 신규 및 기존 화합물의 화학적 안정성과 물리적 특성을 모두 매핑할 수 있습니다.

"예를 들어, 새로 발견된 물질을 연구실에서 시장에 출시하는 데는 20-30년이 걸릴 수 있지만 AI/ML은 실험실에 발을 들이기 전에 컴퓨터에서 재료 속성을 시뮬레이션하여 이 프로세스의 속도를 크게 높일 수 있습니다." 싱이 말했다.

AI는 새로운 화합물을 찾는 오래된 방법을 능가합니다. 조슈아 M. 피어스, 존 M. Western University의 정보 기술 및 혁신 분야의 Thompson 의장은 이메일 인터뷰에서 이렇게 말했습니다.

"잠재적인 화합물, 조합, 복합 재료 및 새로운 재료의 수는 놀랍습니다."라고 그는 덧붙였습니다. "특정 응용 프로그램을 위해 모든 것을 만들고 선별하는 데 시간과 돈을 들이는 대신 AI를 사용하여 유용한 속성을 가진 재료를 예측할 수 있습니다. 그러면 과학자들은 노력을 집중할 수 있습니다."

마커스 J. 뷸러, MIT의 McAfee 엔지니어링 교수는 이메일 인터뷰에서 새 논문이 기계 학습 사용의 힘을 보여주고 있다고 말했습니다.

"우리가 할 수 있었던 것보다 그러한 발견을 하는 것은 극적으로 뚜렷한 방법입니다. 이전에는 검색이 더 빠르고 효율적이며 애플리케이션에 더 집중할 수 있습니다." Buehler가 말했습니다. "Singh et al의 작업에서 흥미로운 점은 최첨단 재료 도구(Density Functional Theory, 양자 문제를 해결하는 방법)를 재료 정보학 도구와 결합한다는 것입니다. 다른 많은 재료 설계 문제에 적용할 수 있는 방법입니다."

끝없는 가능성

희토류 화합물은 휴대폰, 시계 및 태블릿과 같은 많은 첨단 제품에서 발견됩니다. 예를 들어, 디스플레이에서 이러한 화합물은 고도로 표적화된 광학 특성을 가진 재료를 부여하기 위해 추가됩니다. 그들은 또한 휴대 전화의 카메라에 사용됩니다.

Buehler는 "그들은 어떤 면에서 현대 문명에서 중요한 요소로 작용하는 일종의 경이로운 물질입니다."라고 말했습니다. "그러나 채굴 방법과 공급 방법에 문제가 있습니다. 따라서 더 효과적으로 사용하거나 기능을 대체 재료의 새로운 조합으로 대체하는 더 나은 방법을 모색해야 합니다."

새로운 논문의 저자가 사용하는 기계 학습 접근 방식의 이점을 얻을 수 있는 것은 광물 화합물만이 아닙니다. Buehler는 AI는 문제가 너무 복잡하여 과학자들이 수학이나 알려진 물리학의 시뮬레이션을 통해 기존 솔루션을 개발할 수 없는 많은 영역에 적용될 수 있다고 말했습니다.

"결국 우리는 아직 재료의 구조를 그 속성과 관련시킬 수 있는 올바른 모델을 갖고 있지 않습니다."라고 그는 덧붙였습니다. "한 분야는 생물학, 특히 단백질 접힘입니다. 왜 일부 단백질은 약간의 유전적 변화가 있더라도 질병을 유발합니까? 질병을 치료하거나 신약을 개발하기 위해 어떻게 새로운 화합물을 개발할 수 있습니까?"

또 다른 가능성은 탄소 영향을 줄이기 위해 콘크리트의 성능을 향상시키는 방법을 찾는 것이라고 Buehler는 말했습니다. 예를 들어, 재료의 분자 기하학은 재료를 보다 효과적으로 만들기 위해 다르게 배열될 수 있으므로 재료 사용을 줄이고 재료를 더 오래 사용할 수 있습니다.

그는 "AI는 이러한 고차원의 복잡한 문제를 해결하는 방식에 혁명을 일으키고 있으며 미래 기회에 대해 생각하는 새로운 방법을 열어준다"고 덧붙였다. "우리는 흥미진진한 시간의 시작에 불과합니다."