Key Takeaways
- Forscher haben eine Methode beschrieben, die KI nutzt, um neue Seltenerdverbindungen zu finden.
- Seltenerdverbindungen finden sich in vielen Hightech-Produkten wie Handys, Uhren und Tablets.
- KI kann auf viele Bereiche angewendet werden, in denen die Probleme so komplex sind, dass Wissenschaftler keine konventionellen Lösungen durch Mathematik oder Simulationen bekannter Physik entwickeln können.
Eine neue Methode zum Auffinden von Seltenerdverbindungen mithilfe künstlicher Intelligenz könnte zu Entdeckungen führen, die die persönliche Elektronik revolutionieren, sagen Experten.
Forscher des Ames Laboratory und der Texas A&M University trainierten ein maschinelles Lernmodell (ML), um die Stabilität von Seltenerdverbindungen zu bewerten. Seltenerdelemente haben viele Verwendungsmöglichkeiten, darunter saubere Energietechnologien, Energiespeicherung und Permanentmagnete.
„Neue Verbindungen können zukünftige Technologien ermöglichen, die wir noch nicht einmal ergründen können“, sagte Yaroslav Mudryk, der Projektleiter, Lifewire in einem E-Mail-Interview.
Mineralien finden
Um die Suche nach neuen Verbindungen zu verbessern, verwendeten Wissenschaftler maschinelles Lernen, eine Form der künstlichen Intelligenz (KI), die von Computeralgorithmen angetrieben wird, die sich durch Datennutzung und Erfahrung verbessern. Die Forscher verwendeten auch Hochdurchsatz-Screening, ein Rechenschema, das es Forschern ermöglicht, Hunderte von Modellen schnell zu testen. Ihre Arbeit wurde in einem kürzlich in Acta Materialia veröffentlichten Artikel beschrieben.
Vor KI beruhte die Entdeckung neuer Materialien hauptsächlich auf Versuch und Irrtum, sagte Prashant Singh, eines der Teammitglieder, in einer E-Mail an Lifewire. KI und maschinelles Lernen ermöglichen es Forschern, Materialdatenbanken und Computertechniken zu verwenden, um sowohl die chemische Stabilität als auch die physikalischen Eigenschaften neuer und bestehender Verbindungen abzubilden.
"Zum Beispiel kann es 20-30 Jahre dauern, ein neu entdecktes Material vom Labor auf den Markt zu bringen, aber KI/ML kann diesen Prozess erheblich beschleunigen, indem Materialeigenschaften auf Computern simuliert werden, bevor ein Labor betreten wird", Singh sagte.
KI revolutioniert die Art und Weise, wie wir über die Lösung vieler dieser hochdimensionalen komplexen Probleme nachdenken, und eröffnet neue Möglichkeiten, über zukünftige Möglichkeiten nachzudenken.
AI schlägt ältere Methoden zum Auffinden neuer Verbindungen, sagte Joshua M. Pearce, John M. Thompson Chair in Information Technology and Innovation an der Western University, in einem E-Mail-Interview.
"Die Anzahl möglicher Verbindungen, Kombinationen, Verbundstoffe und neuartiger Materialien ist überwältigend", fügte er hinzu. „Anstatt die Zeit und das Geld aufzuwenden, um jedes einzelne für eine bestimmte Anwendung herzustellen und zu prüfen, kann KI verwendet werden, um Materialien mit nützlichen Eigenschaften vorherzusagen. Dann können Wissenschaftler ihre Bemühungen konzentrieren."
Markus J. Buehler, der McAfee-Professor für Ingenieurwissenschaften am MIT, sagte in einem E-Mail-Interview, dass das neue Papier die Leistungsfähigkeit des maschinellen Lernens zeige.
"Es ist eine völlig andere Art, solche Entdeckungen zu machen, als wir es bisher konnten - Entdeckungen sind jetzt schneller, effizienter und können gezielter auf Anwendungen ausgerichtet werden", sagte Buehler. „Das Spannende an der Arbeit von Singh et al. ist, dass sie modernste Materialwerkzeuge (Dichtefunktion altheorie, ein Weg zur Lösung von Quantenproblemen) mit Werkzeugen der Materialinformatik kombinieren. Dies ist definitiv ein Weg, der auf viele andere Materialdesigns angewendet werden kann Probleme."
Unendliche Möglichkeiten
Seltenerdverbindungen finden sich in vielen Hightech-Produkten wie Handys, Uhren und Tablets. Diese Verbindungen werden beispielsweise in Displays zugesetzt, um Materialien gezielt mit optischen Eigenschaften auszustatten. Sie werden auch in der Kamera Ihres Mobiltelefons verwendet.
"Sie sind in gewisser Weise eine Art Wundermaterial, das als wichtiges Element in der modernen Zivilisation dient", sagte Buehler. "Es gibt jedoch Herausforderungen bei der Art und Weise, wie sie abgebaut und bereitgestellt werden. Daher müssen wir bessere Wege finden, um sie entweder effektiver zu nutzen oder die Funktionen durch neue Kombinationen alternativer Materialien zu ersetzen."
Es sind nicht nur Mineralverbindungen, die von dem maschinellen Lernansatz profitieren können, den die Autoren der neuen Veröffentlichung verwenden. KI kann auf viele Bereiche angewendet werden, in denen die Probleme so komplex sind, dass Wissenschaftler keine konventionellen Lösungen über Mathematik oder Simulationen bekannter Physik entwickeln können, sagte Buehler.
"Schließlich haben wir noch nicht die richtigen Modelle, um die Struktur eines Materials mit seinen Eigenschaften in Beziehung zu setzen", fügte er hinzu. "Ein Bereich ist die Biologie, insbesondere die Proteinf altung. Warum führen einige Proteine nach einer kleinen genetischen Veränderung zu Krankheiten? Wie können wir neue chemische Verbindungen zur Behandlung von Krankheiten entwickeln oder neue Medikamente entwickeln?"
Eine weitere Möglichkeit besteht darin, einen Weg zu finden, die Leistung von Beton zu verbessern, um seine CO2-Emissionen zu reduzieren, sagte Buehler. Beispielsweise könnte die Molekulargeometrie des Materials anders angeordnet werden, um Materialien effektiver zu machen, sodass wir mit weniger Materialeinsatz mehr Festigkeit haben und die Materialien länger h alten.
"KI revolutioniert die Art und Weise, wie wir über die Lösung vieler dieser hochdimensionalen komplexen Probleme denken, und sie eröffnet eine neue Art, über zukünftige Möglichkeiten nachzudenken", fügte er hinzu. "Wir stehen erst am Anfang einer spannenden Zeit."
