پژوهشگران دانشگاه نیوهمپشایر با توسعه یک ابزار مبتنی بر هوش مصنوعی موفق شدند روند کشف مواد مغناطیسی جدید را بهطور چشمگیری تسریع کنند؛ رویکردی که میتواند وابستگی صنایع پیشرفته به عناصر نادر خاکی را کاهش دهد و هزینه فناوریهای نوین را پایین بیاورد.
به گزارش scitechdaily، در این پژوهش دانشمندان یک پایگاه داده قابل جستوجو شامل ۶۷ هزار و ۵۷۳ ماده مغناطیسی ایجاد کردند که در میان آنها ۲۵ ترکیب جدید شناسایی شده است. این مواد قادرند خاصیت مغناطیسی خود را در دماهای بالا حفظ کنند؛ ویژگیای که برای بسیاری از کاربردهای صنعتی و فناوریهای واقعی از جمله خودروهای برقی و سامانههای انرژی تجدیدپذیر ضروری است.
سومان ایتانی، نویسنده اصلی مطالعه و دانشجوی دکتری فیزیک اعلام کرد: تسریع در کشف مواد مغناطیسی پایدار میتواند وابستگی به عناصر نادر خاکی را کاهش دهد هزینه تولید خودروهای برقی و زیرساختهای انرژی پاک را پایین بیاورد و به تقویت توان تولید صنعتی کمک کند.
پایگاه داده جدید که پایگاه داده مواد شمالشرق نام دارد با هدف تسهیل جستوجو و تحلیل طیف گسترده مواد مغناطیسی طراحی شده است؛ موادی که پایه بسیاری از فناوریهای مدرن از گوشیهای هوشمند و تجهیزات پزشکی تا ژنراتورهای برق و خودروهای الکتریکی محسوب میشوند.
در حال حاضر قویترین آهنرباهای دائمی بهشدت وابسته به عناصر نادر خاکی هستند؛ عناصری که هزینه بالا دارند عمدتا وارداتیاند و تامین آنها با چالشهای فزاینده روبهرو است. با وجود آگاهی دانشمندان از وجود ترکیبات مغناطیسی متعدد هنوز جایگزین گستردهای برای آهنرباهای مبتنی بر عناصر نادر خاکی معرفی نشده و این موضوع به یکی از موانع اصلی نوآوری در علم مواد تبدیل شده است.
در این مطالعه که در نشریه Nature Communications منتشر شده پژوهشگران توضیح دادهاند که چگونه یک سامانه هوش مصنوعی را آموزش دادهاند تا دههها مقاله علمی را بخواند و تحلیل کند. این سامانه جزئیات کلیدی آزمایشها را استخراج کرده و آنها را در مدلهای محاسباتی وارد میکند تا مشخص شود یک ماده مغناطیسی است یا خیر و تا چه دمایی میتواند خاصیت مغناطیسی خود را حفظ کند.
نتایج بهدستآمده در قالب یک پایگاه داده یکپارچه و قابل جستوجو سازماندهی شدهاند؛ امکانی که به پژوهشگران اجازه میدهد گزینههای امیدوارکننده را سریعتر شناسایی کنند در حالی که در شرایط عادی این فرآیند ممکن بود سالها آزمایش آزمایشگاهی زمان ببرد. با توجه به وجود میلیونها ترکیب احتمالی از عناصر مختلف آزمایش همه گزینهها در آزمایشگاه از نظر زمان و هزینه عملا غیرممکن است.
جیادونگ زانگ، استاد فیزیک و از نویسندگان مقاله تاکید کرد که این پروژه به یکی از دشوارترین چالشهای علم مواد یعنی یافتن جایگزینهای پایدار برای آهنرباهای دائمی میپردازد و ترکیب پایگاههای داده تجربی با فناوریهای روبهرشد هوش مصنوعی میتواند دستیابی به این هدف را ممکن کند.
به گفته پژوهشگران مدل زبانی بزرگ بهکاررفته در این پروژه علاوه بر کاربردهای علمی میتواند در حوزه آموزش عالی نیز مورد استفاده قرار گیرد؛ برای مثال تبدیل تصاویر به متنهای غنی و قابل ویرایش میتواند به نوسازی منابع کتابخانهای و دیجیتالسازی دانش کمک کند.
انتهای پیام/