Nowe AI moderatorskie Facebooka

Badania materiałów staną się dziecinnie proste – wszystko dzięki tej AI

2 minuty czytania
Komentarze

Jeśli właściwości materiałów mogą być wiarygodnie przewidywane, wówczas proces opracowywania nowych produktów dla wielu gałęzi przemysłu może zostać usprawniony i przyspieszony. W badaniu opublikowanym w Advanced Intelligent Systems, naukowcy z The University of Tokyo Institute of Industrial Science wykorzystali spektroskopię strat w rdzeniu do określenia właściwości molekuł organicznych przy użyciu uczenia maszynowego.

AI przewidzi właściwości materiałów

AI przewidzi właściwości materiałów

Techniki spektroskopii Energy Loss Near-edge Structure (ELNES) i X-ray Near-edge Structure (XANES) są używane do określania informacji o elektronach, a przez to o atomach, w materiałach. Charakteryzują się one wysoką czułością i wysoką rozdzielczością i zostały wykorzystane do badania szerokiego zakresu materiałów, od urządzeń elektronicznych do systemów dostarczania leków. Jednakże, powiązanie danych spektralnych z właściwościami materiału — takimi jak właściwości optyczne, przewodnictwo elektronowe, gęstość i stabilność — pozostaje niejednoznaczne.

Zobacz też: Carl Pei wróci do smartfonów — Nothing szykuje swój pierwszy model

Naukowcy z The University of Tokyo Institute of Industrial Science wykorzystują podejście oparte na uczeniu maszynowym. Dzięki temu udało mu się pozyskać informacje, które do tej pory wydawały się nie do zdobycia za pomocą wyżej wspomnianych metod. Udało się im to dzięki wprowadzeniu informacji o widmach ELNES/XANES już znanych materiałów. W ten sposób AI poszukuje zbieżności między nimi a badanymi i na ich podstawie określa ich właściwości. Warto jednak dodać, że metoda ta nie pozwala przewidzieć właściwości, które są zależne od wielkości cząstek. Jak na razie badania polegają na badaniu materiałów organicznych. Badacze jednak wierzą, że ich podejście może znaleźć szersze zastosowanie także w pozostałych przypadkach.

Źródło: Scitechdaily

Motyw