Новые редкоземельные соединения могут питать ваш телефон
- Исследователи описали метод, который использует ИИ для поиска новых редкоземельных соединений.
- Редкоземельные соединения встречаются во многих высокотехнологичных продуктах, таких как сотовые телефоны, часы и планшеты.
- ИИ можно применять во многих областях, где проблемы настолько сложны, что ученые не могут разработать обычные решения с помощью математики или моделирования известной физики.
RunPhoto / Getty Images
Эксперты говорят, что новый метод поиска редкоземельных соединений с использованием искусственного интеллекта может привести к открытиям, которые произведут революцию в персональной электронике.
Исследователи из лаборатории Эймса и Техасского университета A&M разработали модель машинного обучения (ML). оценить стабильность редкоземельных соединений. Редкоземельные элементы имеют множество применений, включая технологии экологически чистой энергии, хранение энергии и постоянные магниты.
«Новые соединения могут открыть будущие технологии, которые мы пока даже не можем себе представить», Ярослав Мудрик, руководитель проекта, сказал Lifewire в интервью по электронной почте.
Поиск минералов
Чтобы улучшить поиск новых соединений, ученые использовали машинное обучение, форму искусственного интеллекта (ИИ), управляемую компьютерными алгоритмами, которые совершенствуются за счет использования данных и опыта. Исследователи также использовали высокопроизводительный скрининг — вычислительную схему, которая позволяет исследователям быстро тестировать сотни моделей. Их работа была описана в недавней статье опубликовано в Акта Материалия.
До ИИ открытие новых материалов в основном основывалось на пробах и ошибках. Прашант Сингх, — сказал один из членов команды в электронном письме Lifewire. ИИ и машинное обучение позволяют исследователям использовать базы данных материалов и вычислительные методы для картирования химической стабильности и физических свойств новых и существующих соединений.
«Например, доставка недавно обнаруженного материала из лаборатории на рынок может занять 20-30 лет, но AI/ML может значительно ускорить этот процесс, моделируя свойства материалов на компьютерах, прежде чем отправиться в лабораторию». — сказал Сингх.
«Искусственный интеллект меняет наше представление о решении многих из этих многомерных сложных проблем и открывает новый способ думать о будущих возможностях».
ИИ превосходит старые методы поиска новых соединений, Джошуа М. Пирс, Джон М. Томпсон заведующий кафедрой информационных технологий и инноваций в Западном университете, сказал в интервью по электронной почте.
«Количество потенциальных соединений, комбинаций, композитов и новых материалов ошеломляет», — добавил он. «Вместо того, чтобы тратить время и деньги на изготовление и проверку каждого для конкретного применения, ИИ можно использовать для предсказания материалов с полезными свойствами. Тогда ученые смогут сосредоточить свои усилия».
Маркус Дж. Бюлер, профессор инженерных наук McAfee в Массачусетском технологическом институте, сказал в интервью по электронной почте, что новая статья демонстрирует возможности использования машинного обучения.
«Это радикально отличный способ делать такие открытия, чем то, что мы смогли сделать ранее — открытия теперь выполняются быстрее, эффективнее и могут быть более целенаправленными для приложений», — сказал Бюлер. «Что интересно в работе Сингха и его коллег, так это то, что они сочетают в себе передовые инструменты материалов (теория функционала плотности, способ решения квантовых проблем) с инструментами информатики материалов. Это определенно способ, который можно применить ко многим другим проблемам проектирования материалов».
Безграничные возможности
Редкоземельные соединения встречаются во многих высокотехнологичных продуктах, таких как сотовые телефоны, часы и планшеты. Например, в дисплеях эти соединения добавляются для придания материалам нужных оптических свойств. Они также используются в камере вашего мобильного телефона.
Олемедиа / Getty Images
«Они в некотором роде своего рода чудо-материал, который служит важным элементом современной цивилизации», — сказал Бюлер. «Однако существуют проблемы в том, как они добываются и как поставляются. Следовательно, нам необходимо изучить лучшие способы их более эффективного использования или замены функций новыми комбинациями альтернативных материалов».
Не только минеральные соединения могут извлечь выгоду из подхода машинного обучения, используемого авторами новой статьи. По словам Бюлера, ИИ можно применять во многих областях, где проблемы настолько сложны, что ученые не могут разработать обычные решения с помощью математики или моделирования известной физики.
«В конце концов, у нас еще нет правильных моделей, чтобы связать структуру материала с его свойствами», — добавил он. «Одна область находится в биологии, в частности, в фолдинге белков. Почему некоторые белки после небольшого генетического изменения приводят к заболеванию? Как мы можем разработать новые химические соединения для лечения болезней или разработать новые лекарства?»
По словам Бюлера, еще одна возможность — найти способ улучшить характеристики бетона, чтобы уменьшить его углеродное воздействие. Например, молекулярная геометрия материала может быть организована по-другому, чтобы сделать материалы более эффективными, чтобы мы имели большую прочность при меньшем использовании материалов и чтобы материалы служили дольше.
«Искусственный интеллект меняет наше представление о решении многих из этих многомерных сложных проблем и открывает новый способ осмысления будущих возможностей», — добавил он. «Мы только в начале захватывающего времени».