Негизги алып салуулар
- Изилдөөчүлөр жаңы сейрек кездешүүчү жер кошулмаларын табуу үчүн AI колдонгон ыкманы сүрөттөштү.
- Сейрек кездешүүчү жердеги кошулмалар уюлдук телефондор, сааттар жана планшеттер сыяктуу көптөгөн жогорку технологиялык продуктыларда кездешет.
- AI проблемалары ушунчалык татаал болгондуктан, илимпоздор математика же белгилүү физиканын симуляциялары аркылуу кадимки чечимдерди иштеп чыга албаган көптөгөн аймактарда колдонулушу мүмкүн.
Жасалма интеллекттин жардамы менен сейрек кездешүүчү жердин кошулмаларын табуунун жаңы ыкмасы жеке электроникада төңкөрүш жасаган ачылыштарга алып келиши мүмкүн, дешет адистер.
Эймс лабораториясынын жана Техас A&M университетинин изилдөөчүлөрү сейрек кездешүүчү кошулмалардын туруктуулугун баалоо үчүн машинаны үйрөнүү (ML) моделин үйрөтүштү. Сейрек кездешүүчү элементтердин көптөгөн колдонулушу бар, анын ичинде таза энергия технологиялары, энергияны сактоо жана туруктуу магниттер.
“Жаңы кошулмалар келечекте биз түшүнө албаган технологияларды иштетиши мүмкүн”, - деди Долбоордун супервайзери Ярослав Мудрик Lifewireге электрондук кат аркылуу берген маегинде.
Пайдалуу кендерди табуу
Жаңы кошулмаларды издөөнү өркүндөтүү үчүн илимпоздор компьютердик алгоритмдер менен шартталган жасалма интеллекттин (AI) бир түрү болгон машинаны үйрөнүүнү колдонушту, бул маалыматтарды колдонуу жана тажрыйба аркылуу жакшыртат. Окумуштуулар ошондой эле изилдөөчүлөргө жүздөгөн моделдерди тез сынап көрүүгө мүмкүндүк берген эсептөө схемасы болгон жогорку өтүмдүү скринингди колдонушту. Алардын иши Acta Materialia гезитинде жакында жарыяланган макалада баяндалган.
AIга чейин жаңы материалдардын ачылышы негизинен сыноо жана катага негизделген, деп билдирди команданын мүчөлөрүнүн бири Прашант Сингх Lifewire электрондук катында. AI жана машина үйрөнүү изилдөөчүлөргө жаңы жана учурдагы кошулмалардын химиялык туруктуулугун жана физикалык касиеттерин картага түшүрүү үчүн материалдык базаларды жана эсептөө ыкмаларын колдонууга мүмкүндүк берет.
"Мисалы, жаңы табылган материалды лабораториядан базарга алып чыгуу 20-30 жылга созулушу мүмкүн, бирок AI/ML лабораторияга кадам таштаганга чейин компьютерлерде материалдык касиеттерди симуляциялоо аркылуу бул процессти бир топ ылдамдата алат, " Сингх деди.
AI бул бийик өлчөмдүү татаал маселелердин көбүн чечүү боюнча ой жүгүртүүбүздү өзгөртүп жатат жана келечектеги мүмкүнчүлүктөр жөнүндө ой жүгүртүүгө жаңы жол ачат.
AI жаңы кошулмаларды табуу үчүн эски ыкмаларды жеңет, деп билдирди Джошуа М. Пирс, Джон М. Томпсон, Батыш университетинин Маалыматтык технологиялар жана инновациялар боюнча кафедрасынын башчысы.
"Потенциалдуу кошулмалардын, комбинациялардын, композиттердин жана жаңы материалдардын саны укмуштуудай", - деп кошумчалады ал. "Ар бирин конкреттүү тиркеме үчүн карап чыгуу үчүн убакытты жана акчаны талап кылгандын ордуна, AI пайдалуу касиеттери бар материалдарды болжолдоого жардам берүү үчүн колдонулушу мүмкүн. Ошондо илимпоздор күч-аракетин жумшай алышат."
Маркус Дж. Бюлер, MITдин инженерия боюнча McAfee профессору, электрондук почта менен болгон маегинде жаңы документ машина үйрөнүүнү колдонуунун күчүн көрсөтүп жатканын айтты.
"Бул биз мурда жасай алган нерселерге караганда мындай ачылыштарды жасоонун кескин айырмаланган жолу - ачылыштар азыр тезирээк, натыйжалуураак жана колдонмолорго көбүрөөк багытталышы мүмкүн ", - деди Бюлер. "Сингх жана башкалардын эмгегинде кызыктуу нерсе, алар алдыңкы материалдардын куралдарын (Тыштыктын функционалдык теориясы, кванттык маселелерди чечүүнүн жолу) материалдык информатиканын куралдары менен айкалыштырат. Бул, албетте, башка көптөгөн материалдардын дизайнына колдонула турган ыкма. көйгөйлөр."
Чексиз мүмкүнчүлүктөр
Сейрек кездешүүчү жердеги кошулмалар уюлдук телефондор, сааттар жана планшеттер сыяктуу көптөгөн жогорку технологиялык өнүмдөрдүн курамында кездешет. Мисалы, дисплейлерде бул кошулмалар жогорку максаттуу оптикалык касиеттерге ээ болгон материалдарга кошулат. Алар уюлдук телефонуңуздун камерасында да колдонулат.
"Алар, кандайдыр бир жол менен, заманбап цивилизациянын маанилүү элементи катары кызмат кылган кереметтүү материал", - деди Бюлер. "Бирок, аларды кантип казып алууда жана кантип камсыз кылууда кыйынчылыктар бар. Андыктан биз аларды натыйжалуураак колдонуунун же функцияларды альтернативалуу материалдардын жаңы комбинациялары менен алмаштыруунун жакшы жолдорун изилдешибиз керек."
Жаңы макаланын авторлору колдонгон машина үйрөнүү ыкмасынан пайда ала турган минералдык кошулмалар гана эмес. AI көйгөйлөр ушунчалык татаал болгондуктан, илимпоздор математика же белгилүү физиканын симуляциялары аркылуу кадимки чечимдерди иштеп чыга албаган көптөгөн аймактарда колдонулушу мүмкүн, - деди Бюлер.
"Анткени, бизде материалдын түзүлүшүн анын касиеттери менен байланыштырган туура моделдер жок", - деп кошумчалады ал. "Бир багыт биологияда, атап айтканда белоктун бүктөлүшү. Эмне үчүн кээ бир белоктор кичинекей генетикалык өзгөрүү болгондон кийин ооруга алып келет? Ооруну дарылоо үчүн жаңы химиялык кошулмаларды кантип иштеп чыга алабыз же жаңы дарыларды иштеп чыга алабыз?"
Дагы бир мүмкүнчүлүк – бетондун көмүртектин таасирин азайтуу үчүн анын иштешин жакшыртуунун жолун табуу, деди Бюлер. Мисалы, материалды натыйжалуураак кылуу үчүн материалдын молекулярдык геометриясын башкача иретке келтирсе болот, андыктан материалды азыраак колдонуу менен көбүрөөк күчкө ээ болуп, материалдар узакка созулат.
"AI бул жогорку өлчөмдүү татаал маселелердин көбүн чечүү боюнча ой жүгүртүүбүздү өзгөртүп жатат жана келечектеги мүмкүнчүлүктөр жөнүндө ой жүгүртүүгө жаңы жол ачат", - деп кошумчалады ал. "Биз кызыктуу учурдун башында турабыз."
