Ключевые выводы
- Исследователи описали метод, который использует ИИ для поиска новых редкоземельных соединений.
- Соединения редкоземельных элементов 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.
Новый метод поиска редкоземельных соединений с использованием искусственного интеллекта может привести к открытиям, которые произведут революцию в персональной электронике, считают эксперты.
Исследователи из лаборатории Эймса и Техасского университета A&M разработали модель машинного обучения (ML) для оценки стабильности редкоземельных соединений. Редкоземельные элементы имеют множество применений, включая технологии экологически чистой энергии, хранение энергии и постоянные магниты.
«Новые составы могут обеспечить будущие технологии, которые мы пока даже не можем себе представить», - сказал Ярослав Мудрик, руководитель проекта, в интервью Lifewire по электронной почте.
Поиск полезных ископаемых
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, опубликованной в Acta Materialia.
До ИИ открытие новых материалов в основном основывалось на пробах и ошибках, сказал Прашант Сингх, 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 материала на компьютерах, прежде чем ступить в лабораторию", Сингх сказал.
ИИ революционизирует наши представления о решении многих из этих многомерных сложных проблем и открывает новый способ думать о будущих возможностях.
ИИ превосходит старые методы поиска новых соединений, сказал в интервью по электронной почте Джошуа М. Пирс, заведующий кафедрой информационных технологий и инноваций Джона М. Томпсона в Западном университете.
«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 инженерии 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 могли делать раньше - открытия теперь 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 задач) с инструментами информатики материалов. Это определенно способ, который можно применить к дизайну многих других материалов. проблемы."
Бесконечные возможности
Соединения редкоземельных элементов 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.
«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 они поставляются. Следовательно, нам необходимо изучить лучшие способы либо более эффективного их использования, либо замены функций новыми комбинациями альтернативных материалов».
Подход машинного обучения, используемый авторами новой статьи, может принести пользу не только минеральным соединениям. По словам Бюлера, искусственный интеллект можно применять во многих областях, где проблемы настолько сложны, что ученые не могут разработать традиционные 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 связана с биологией, в частности с укладкой белков. Почему некоторые белки после небольших генетических изменений приводят к заболеваниям? Как мы можем разработать новые химические соединения для лечения болезней или разработать новые лекарства?»
Другая возможность заключается в том, чтобы найти способ улучшить характеристики бетона, чтобы уменьшить его углеродное воздействие, сказал Бюлер. 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 думать о будущих возможностях», - добавил он. «Мы только в начале захватывающего времени».
