Nieuwe zeldzame-aardeverbindingen kunnen uw telefoon van stroom voorzien

Een nieuwe methode om zeldzame aardverbindingen te vinden met behulp van kunstmatige intelligentie zou kunnen leiden tot ontdekkingen die een revolutie teweegbrengen in persoonlijke elektronica, zeggen experts.

Onderzoekers van Ames Laboratory en Texas A&M University hebben een machine-learning (ML) model getraind om de stabiliteit te beoordelen van zeldzame aardverbindingen. Zeldzame aarde-elementen hebben veel toepassingen, waaronder technologieën voor schone energie, energieopslag en permanente magneten.

"Nieuwe verbindingen kunnen toekomstige technologieën mogelijk maken die we nog niet eens kunnen doorgronden",

Yaroslav Mudryk, de projectleider, vertelde Lifewire in een e-mailinterview.

Mineralen vinden

Om het zoeken naar nieuwe verbindingen te verbeteren, gebruikten wetenschappers machine learning, een vorm van kunstmatige intelligentie (AI) die wordt aangedreven door computeralgoritmen die verbeteren door gegevensgebruik en -ervaring. Onderzoekers gebruikten ook high-throughput screening, een rekenschema waarmee onderzoekers snel honderden modellen kunnen testen. Hun werk werd beschreven in een recente krant gepubliceerd in Acta Materialia.

Vóór AI was de ontdekking van nieuwe materialen voornamelijk gebaseerd op vallen en opstaan, Prashant Singh, een van de teamleden, in een e-mail aan Lifewire. Met AI en machine learning kunnen onderzoekers materiaaldatabases en rekentechnieken gebruiken om zowel de chemische stabiliteit als de fysieke eigenschappen van nieuwe en bestaande verbindingen in kaart te brengen.

"Het kan bijvoorbeeld 20-30 jaar duren om een ​​nieuw ontdekt materiaal van een laboratorium naar de markt te brengen, maar AI/ML kan dat wel dit proces aanzienlijk versnellen door materiaaleigenschappen op computers te simuleren voordat ze voet in een laboratorium zetten," zei Singh.

AI verslaat oudere methoden voor het vinden van nieuwe verbindingen, Jozua M. Pearce, de John M. Thompson Chair in Information Technology and Innovation aan de Western University, zei in een e-mailinterview.

"Het aantal potentiële verbindingen, combinaties, composieten en nieuwe materialen is verbluffend", voegde hij eraan toe. "In plaats van de tijd en het geld te nemen om ze allemaal voor een specifieke toepassing te maken en te screenen, kan AI worden gebruikt om materialen met nuttige eigenschappen te voorspellen. Dan kunnen wetenschappers hun inspanningen focussen."

Markus J. Buehler, de McAfee Professor of Engineering aan het MIT, zei in een e-mailinterview dat het nieuwe artikel de kracht van het gebruik van machine learning laat zien.

"Het is een dramatisch andere manier om dergelijke ontdekkingen te doen dan wat we hebben kunnen doen voorheen - ontdekkingen zijn nu sneller, efficiënter en kunnen meer gericht zijn op toepassingen," zei Bühler. "Wat opwindend is aan het werk van Singh et al, is dat ze geavanceerde materiaaltools (Density Functional Theory, een manier om kwantumproblemen op te lossen) combineren met tools van materiële informatica. Het is zeker een manier die kan worden toegepast op veel andere materiaalontwerpproblemen."

Eindeloze mogelijkheden

Zeldzame aardverbindingen worden aangetroffen in veel hightechproducten zoals mobiele telefoons, horloges en tablets. In displays worden deze verbindingen bijvoorbeeld toegevoegd om materialen zeer gerichte optische eigenschappen te geven. Ze worden ook gebruikt in de camera van uw mobiele telefoon.

"Ze zijn op de een of andere manier een soort wondermateriaal dat als een belangrijk element in de moderne beschaving dient", zei Buehler. "Er zijn echter uitdagingen in de manier waarop ze worden gedolven en hoe ze worden geleverd. Daarom moeten we zoeken naar betere manieren om ze ofwel effectiever te gebruiken of om de functies te vervangen door nieuwe combinaties van alternatieve materialen."

Het zijn niet alleen minerale verbindingen die kunnen profiteren van de machine learning-benadering die wordt gebruikt door de auteurs van het nieuwe artikel. AI kan worden toegepast op veel gebieden waar de problemen zo complex zijn dat wetenschappers geen conventionele oplossingen kunnen ontwikkelen via wiskunde of simulaties van bekende fysica, zei Buehler.

"We hebben tenslotte nog niet de juiste modellen om de structuur van een materiaal te relateren aan zijn eigenschappen", voegde hij eraan toe. "Eén gebied is in de biologie, met name eiwitvouwing. Waarom leiden sommige eiwitten, na een kleine genetische verandering, tot ziekte? Hoe kunnen we nieuwe chemische verbindingen ontwikkelen om ziekten te behandelen of nieuwe medicijnen te ontwikkelen?"

Een andere mogelijkheid is het vinden van een manier om de prestaties van beton te verbeteren om de koolstofimpact te verminderen, zei Buehler. De moleculaire geometrie van het materiaal kan bijvoorbeeld anders worden gerangschikt om materialen effectiever te maken, zodat we meer sterkte hebben met minder materiaalgebruik en dat de materialen langer meegaan.

"AI zorgt voor een revolutie in de manier waarop we denken over het oplossen van veel van deze hoogdimensionale complexe problemen, en het opent een nieuwe manier om na te denken over toekomstige kansen", voegde hij eraan toe. "We staan ​​nog maar aan het begin van een spannende tijd."