Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην εύρεση νέων υλικών για χρήση σε gadgets

Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην εύρεση νέων υλικών για χρήση σε gadgets

Η τεχνητή νοημοσύνη (AI) θα μπορούσε να είναι ζωτικής σημασίας για την εύρεση νέων υλικών και νέων κραμάτων μετάλλων που θα χρησιμοποιούνται για την κατασκευή αποδοτικότερων, ανθεκτικότερων και ελαφρύτερων καταναλωτικών ηλεκτρονικών ειδών.

Disclaimer: Απαγορεύεται η αναδημοσίευση, αναπαραγωγή, ολική, μερική ή περιληπτική ή κατά παράφραση ή διασκευή ή απόδοση του περιεχομένου του παρόντος διαδικτυακού τόπου με οποιονδήποτε τρόπο, χωρίς αναφορά στο RAWMATHUB.GR (με ενεργό link) ή χωρίς την προηγούμενη γραπτή άδεια του RAWMATHUB.GR. 

Σε μια πρόσφατη μελέτη, ερευνητές χρησιμοποίησαν την τεχνητή νοημοσύνη για να προσδιορίσουν ιδιότητες και δοκιμές που θα οδηγήσουν στον εντοπισμό νέων κραμάτων. Χωρίς την τεχνητή νοημοσύνη, η επιλογή των πιθανώς κατάλληλων συνθέσεων, γίνεται εξαιρετικά δύσκολη λόγω του τεράστιου αριθμού των πιθανών συνδυασμών μεταξύ των διαθέσιμων χημικών στοιχείων.

«Καθώς οι τεχνολογίες παραγωγής εξελίσσονται, οι συνδυασμοί χημικών στοιχείων και μεθόδων επεξεργασίας για την παραγωγή νέων κραμάτων αυξάνονται», ανέφερε η S. Mohadesh Taheri-Mousavi, καθηγήτρια επιστήμης και μηχανικής των υλικών στο Πανεπιστήμιο Carnegie Mellon. «Πλέον μπορούμε να βρούμε κράματα με περισσότερα από δέκα κραματικά στοιχεία, για παράδειγμα αυτά που χρησιμοποιούνται στις ατράκτους των αεροσκαφών. Ο σχεδιασμός ανάλογων κραμάτων και η επιλογή της συγκέντρωσης κάθε κραματικού στοιχείου για την επίτευξη των επιθυμητών ιδιοτήτων είναι εκτός των υπολογιστικών δυνατοτήτων του ανθρώπινου μυαλού, καθώς ουσιαστικά αποτελούν ένα ιδιαίτερα περίπλοκο πρόβλημα».

Η τεχνητή νοημοσύνη βελτιώνει τα ηλεκτρονικά καταναλωτικά είδη

Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη για την ανακάλυψη νέων υλικών. Ο τεχνικός σύμβουλος και μέλος του Institute of Electrical and Electronics Engineers (IEEE), Yale Fox, ανέφερε ότι οι επιστήμονες έχουν ανακαλύψει ειδικές μεμβράνες με τη χρήση της τεχνητής νοημοσύνης, οι οποίες είναι φθηνότερες και πιο αποτελεσματικές και μπορούν να χρησιμοποιηθούν για πολλές εφαρμογές όπως η επεξεργασία λυμάτων ή οι βιοϊατρικές συσκευές. Οι ερευνητές ανακάλυψαν επίσης πολλά νέα υλικά στερεάς κατάστασης που άγουν το λίθιο, τα οποία μπορούν να χρησιμοποιηθούν για τη βελτίωση των μπαταριών σύγχρονης τεχνολογίας.

«Ο πιο δυναμικός χώρος ερευνητικά αυτή τη στιγμή είναι οι μπαταρίες. Πώς να τις κάνετε να φορτίζονται πιο γρήγορα, να κρατούν τη φόρτιση για περισσότερο, να είναι πιο ελαφριές, φιλικές προς το περιβάλλον κ.λπ.», πρόσθεσε ο Fox. «Αυτό θα έχει θετικές επιπτώσεις για τα ηλεκτρικά οχήματα».

Νέοι ημιαγωγοί που δημιουργήθηκαν μέσω της τεχνητής νοημοσύνης θα μπορούσαν να επιτρέψουν μεγαλύτερες υπολογιστικές ταχύτητες ή πιο ισχυρούς αλγόριθμους τεχνητής νοημοσύνης, ανέφερε ο Adnan Masood, επικεφαλής στο Τμήμα Αρχιτεκτονικής συστημάτων τεχνητής νοημοσύνης στην εταιρεία UST. Κατανοώντας καλύτερα πώς τα διαφορετικά υλικά συμπεριφέρονται κάτω από διάφορες συνθήκες, οι επιστήμονες μπορούν να αναπτύξουν πιο αποτελεσματικές θεραπείες για ασθένειες όπως ο καρκίνος ή να δημιουργήσουν ασφαλέστερους πυρηνικούς αντιδραστήρες.

Η τεχνητή νοημοσύνη υπόσχεται να βοηθήσει ιδιαίτερα στην κατασκευή νέων κραμάτων, ημιαγωγών, κεραμικών και άλλων τύπων υλικών, επιτρέποντας στους επιστήμονες να επεξεργάζονται μεγάλες ποσότητες δεδομένων γρήγορα και αποτελεσματικά.

«Τα οφέλη των νέων υλικών περιλαμβάνουν βελτιωμένη απόδοση, μικρότερο βάρος και αυξημένη αντοχή», πρόσθεσε ο Masood. «Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην ανακάλυψη ελαφρύτερων και ισχυρότερων υλικών, αναλύοντας δεδομένα από πειραματικές δοκιμές και προσομοιώσεις και βελτιστοποιώντας τις συνθέσεις των υλικών μέσω προσομειώσεων τύπο «δοκιμής και λάθους», αντί για την πραγματική παραγωγή και δοκιμή των πιθανών συνδυασμών, μία διαδικασία η οποία είναι εξαιρετικά χρονοβόρα».

Η τεχνητή νοημοσύνη επιταχύνει την ανακάλυψη νέων υλικών λαμβάνοντας πειραματικά αποτελέσματα και καθοδηγώντας τους ερευνητές για το πού και πώς να αναζητήσουν τις πιο πιθανές συνθήκες που μπορούν να οδηγήσουν σε νέα υλικά ή καλύτερες διαδικασίες, Ο Miguel Modestino, καθηγητής στο Τμήμα Χημικής και Βιομοριακής Μηχανικής του Πανεπιστημίου της Νέας Υόρκης, αναφέρει ότι «αυτό μπορεί να μειώσει σημαντικά τον χρόνο για νέες ανακαλύψεις, καθώς και να μειώσει ενδεχομένως την κατανάλωση ενέργειας και τη σπατάλη υλικών».

Εύρεση νέων υλικών προς όφελος του περιβάλλοντος

Το εργαστήριο του Modestino στο Πανεπιστήμιο της Νέας Υόρκης συνδυάζει την τεχνητή νοημοσύνη με αυτόνομα ερευνητικά εργαλεία για την εκτέλεση εκατοντάδων έως χιλιάδων πειραμάτων την ημέρα για να μειώσει το χρόνο από την αρχική ιδέα στην ανακάλυψη κατά περισσότερες από 100 φορές. Οι ερευνητές επιδιώκουν να ανακαλύψουν νέες χημικές αντιδράσεις που μπορούν να παράγουν υπάρχοντα υλικά με νέους, πιο αποτελεσματικούς τρόπους που μειώνουν τις αρνητικές περιβαλλοντικές επιπτώσεις των τρεχουσών προσεγγίσεων για την παραγωγή υλικών.

Τα περισσότερα από τα καθημερινά είδη είναι κατασκευασμένα από υλικά που παράγονται από τη χημική βιομηχανία, είπε ο Modestino. Η ομάδα του έχει επικεντρωθεί στην κατασκευή του Nylon 66. Πάνω από πέντε εκατομμύρια τόνοι nylon παράγονται ετησίως, και 2 εκατομμύρια από αυτούς είναι Nylon 66, συμπεριλαμβανομένων των υφαντικών ινών που χρησιμοποιούνται σε χειμερινά μπουφάν και πλαστικά ανταλλακτικά αυτοκινήτων που κάνουν τα οχήματα ελαφριά και οικονομικά αποδοτικά. Ο Modestino είπε ότι τα χημικά που χρησιμοποιούνται για την παραγωγή nylon, όπως και για τα περισσότερα χημικά προϊόντα, παράγονται μέσω της καύσης ορυκτών καυσίμων, με αποτέλεσμα το 10% της παγκόσμιας κατανάλωσης ενέργειας και το 20% των εκπομπών άνθρακα από τη βιομηχανία να είναι αποτέλεσμα αυτών των παραγωγικων διεργασιών.

«Χρησιμοποιώντας την τεχνητή νοημοσύνη, ανακαλύψαμε μια νέα, περισσότερο ενεργειακά αποδοτική μέθοδο παραγωγής πρόδρομων ουσιών για το Nylon 66 με βάση την ηλεκτρική ενέργεια αντί για την καύση ορυκτών καυσίμων», πρόσθεσε. «Καταφέραμε να το κάνουμε αυτό εκπαιδεύοντας μοντέλα μηχανικής μάθησης με πληροφορίες από περιορισμένο αριθμό πειραμάτων και επιταχύνοντας την ανακάλυψη των καλύτερων συνθηκών για αυτή τη διαδικασία».

Πηγή: Lifewire.com

ΜΕΤΑΦΡΑΣΗ - ΕΠΙΜΕΛΕΙΑ: ΣΥΝΤΑΚΤΙΚΗ ΟΜΑΔΑ RAWMATHUB.GR
foolwo rawmathub.gr on Google News
Image

Έγκυρη ενημέρωση για την αξιακή αλυσίδα των raw materials

NEWSLETTER