Key takeaways
- Forskare har beskrivit en metod som använder AI för att hitta nya sällsynta jordartsmetaller.
- Sällsynta jordartsmetaller finns i många högteknologiska produkter som mobiltelefoner, klockor och surfplattor.
- AI kan tillämpas på många områden där problemen är så komplexa att forskare inte kan utveckla konventionella lösningar via matematik eller simuleringar av känd fysik.
En ny metod för att hitta sällsynta jordartsmetaller med hjälp av artificiell intelligens kan leda till upptäckter som revolutionerar personlig elektronik, säger experter.
Forskare från Ames Laboratory och Texas A&M University utbildade en modell för maskininlärning (ML) för att bedöma stabiliteten hos sällsynta jordartsmetaller. Sällsynta jordartsmetaller har många användningsområden, inklusive ren energiteknik, energilagring och permanenta magneter.
"Nya föreningar kan möjliggöra framtida teknologier som vi inte ens kan förstå ännu", sa Yaroslav Mudryk, projektledaren, till Lifewire i en e-postintervju.
Finding Minerals
För att förbättra sökandet efter nya föreningar använde forskare maskininlärning, en form av artificiell intelligens (AI) som drivs av datoralgoritmer som förbättras genom dataanvändning och erfarenhet. Forskare använde också screening med hög genomströmning, ett beräkningsschema som gör det möjligt för forskare att snabbt testa hundratals modeller. Deras arbete beskrevs i en nyligen publicerad tidning i Acta Materialia.
Före AI baserades upptäckten av nytt material huvudsakligen på försök och fel, sa Prashant Singh, en av teammedlemmarna, i ett mejl till Lifewire. AI och maskininlärning låter forskare använda materialdatabaser och beräkningstekniker för att kartlägga både kemisk stabilitet och fysikaliska egenskaper hos nya och befintliga föreningar.
"Till exempel kan det ta 20-30 år att ta ett nyupptäckt material från labb till marknad, men AI/ML kan avsevärt påskynda denna process genom att simulera materialegenskaper på datorer innan man sätter sin fot i ett labb," Singh sa.
AI revolutionerar hur vi tänker på att lösa många av dessa högdimensionella komplexa problem, och det öppnar ett nytt sätt att tänka på framtida möjligheter.
AI slår äldre metoder för att hitta nya föreningar, sa Joshua M. Pearce, John M. Thompson-professor i informationsteknologi och innovation vid Western University, i en e-postintervju.
"Antalet potentiella föreningar, kombinationer, kompositer och nya material är häpnadsväckande", tillade han. "Istället för att ta tid och pengar att göra och screena var och en för en specifik applikation, kan AI användas för att förutsäga material med användbara egenskaper. Då kan forskarna fokusera sina ansträngningar."
Markus J. Buehler, McAfee-professor i teknik vid MIT, sa i en e-postintervju att den nya uppsatsen visar kraften i att använda maskininlärning.
"Det är ett dramatiskt distinkt sätt att göra sådana upptäckter än vad vi har kunnat göra tidigare - upptäckter är nu snabbare, effektivare och kan vara mer inriktade på applikationer", sa Buehler. "Det som är spännande med arbetet av Singh et al är att de kombinerar banbrytande materialverktyg (Density Functional Theory, ett sätt att lösa kvantproblem) med verktyg för materialinformatik. Det är definitivt ett sätt som kan appliceras på många andra materialdesigner. problem."
Oändliga möjligheter
Sällsynta jordartsmetaller finns i många högteknologiska produkter som mobiltelefoner, klockor och surfplattor. Till exempel, i displayer, tillsätts dessa föreningar för att ge material med mycket riktade optiska egenskaper. De används också i din mobiltelefons kamera.
"De är, på något sätt, ett slags underverk som fungerar som ett viktigt inslag i den moderna civilisationen", sa Buehler. "Det finns dock utmaningar i hur de bryts och hur de levereras. Därför måste vi utforska bättre sätt att antingen använda dem mer effektivt eller att ersätta funktionerna med nya kombinationer av alternativa material."
Det är inte bara mineralföreningar som kan dra nytta av maskininlärningsmetoden som används av författarna till den nya artikeln. AI kan tillämpas på många områden där problemen är så komplexa att forskare inte kan utveckla konventionella lösningar via matematik eller simuleringar av känd fysik, sa Buehler.
"Vi har trots allt inte ännu de rätta modellerna för att relatera strukturen hos ett material till dess egenskaper", tillade han. "Ett område är inom biologin, särskilt proteinveckning. Varför leder vissa proteiner, efter att ha haft en liten genetisk förändring, till sjukdom? Hur kan vi utveckla nya kemiska föreningar för att behandla sjukdomar eller utveckla nya läkemedel?"
En annan möjlighet är att hitta ett sätt att förbättra betongens prestanda för att minska dess koldioxidpåverkan, sa Buehler. Till exempel skulle materialets molekylära geometri kunna ordnas annorlunda för att göra material effektivare så att vi får mer styrka med mindre materialanvändning och att materialen håller längre.
"AI revolutionerar hur vi tänker på att lösa många av dessa högdimensionella komplexa problem, och det öppnar ett nytt sätt att tänka på framtida möjligheter", tillade han. "Vi är bara i början av en spännande tid."
