ИИ может найти новые варианты драгоценных металллов
|
Редкоземельные элементы - важнейшие компоненты всех видов электроники, от смартфонов и широкополосных кабелей до ветряных турбин и электромобилей. Но найти полезные соединения, способные расширить практическое использование редкоземельных элементов, как известно, непросто, а результаты непредсказуемы. Теперь ученые придумали умный способ помочь в поиске новых редкоземельных соединений: Недавно разработанная система искусственного интеллекта с предсказательными способностями, которые позволят нам выйти за рамки того, что было бы возможно для людей в лаборатории. |
Тип используемого здесь искусственного интеллекта - машинное обучение: как следует из названия, это когда программное обеспечение изучает базу данных информации (в данном случае о редкоземельных соединениях), распознавая закономерности и корреляции, которые затем позволяют ему обнаружить новые потенциальные совпадения для этой базы данных. "Машинное обучение здесь действительно важно, потому что, когда мы говорим о новых составах, упорядоченные материалы очень хорошо известны всем в редкоземельном сообществе", - говорит материаловед Прашант Сингх из лаборатории Эймса Университета штата Айова. |
"Однако, когда вы добавляете беспорядок к известным материалам, это совсем другое дело. Количество композиций становится значительно больше, часто тысячи или миллионы, и вы не можете исследовать все возможные комбинации с помощью теории или экспериментов". В материаловедении порядок и беспорядок относятся к тому, как частицы расположены в материале (например, в идеальной, кристаллической решетке или в более хаотичном, рассеянном расположении), что напрямую влияет на свойства и применение данного материала. |
В данном случае модель машинного обучения была построена с использованием базы данных редкоземельных металлов и некоторых идей из теории функционала плотности (DFT), которая занимается анализом структуры материалов, что идеально подходит для такого рода исследований. Способ построения модели означает, что можно быстро протестировать сотни перестановок, а затем оценить фазовую стабильность каждой из них. Другими словами, ИИ способен определить, будет ли комбинация редкоземельных элементов жизнеспособной, например, не распадется ли она на части. |
Затем эти расчеты дополняются дополнительной информацией из Интернета - найденной с помощью специально разработанных алгоритмов - и только после этого проверяются и проходят несколько проверок, чтобы убедиться, что они остаются в реальности. "На самом деле это не предназначено для открытия конкретного соединения", - говорит материаловед Ярослав Мудрык из лаборатории Эймса. "Речь идет о том, как разработать новый подход или новый инструмент для обнаружения и прогнозирования редкоземельных соединений? И это то, что мы сделали". |
Экспериментальные данные также могут быть возвращены в систему машинного обучения, что еще больше повышает ее точность и снижает вероятность ошибок, таких как создание редкоземельных соединений, которые на самом деле не работают. В настоящее время модель все еще оценивается и настраивается, прежде чем приступить к поиску редкоземельных соединений, но исследователи обещают, что это только начало для недавно разработанной системы. |
Еще лучше то, что методы, используемые командой, должны в будущем сработать и при поиске других неуловимых видов материалов. В конце концов, нам не придется так сильно полагаться на случайность, чтобы делать подобные открытия. "Наш подход будет полезен для открытия новых и сложных редкоземельных соединений с новыми функциональными свойствами", - заключают исследователи в опубликованной работе. Исследование было опубликовано в журнале Acta Materialia. |
Источник |