لقد أظهر الباحثون مؤخرًا كيف يمكن لاستراتيجية التصميم التكيفي، المستندة إلى معلومات شاملة، تسريع اكتشاف مواد جديدة ذات خصائص مخصصة.
[ترجمة د.نحماني موشيه]
لقد أظهر الباحثون مؤخرًا كيف يمكن لاستراتيجية التصميم التكيفي، المستندة إلى معلومات شاملة، تسريع اكتشاف مواد جديدة ذات خصائص مخصصة. وقد نشرت نتائج البحث مؤخرا في المجلة العلمية طبيعة الاتصالات. وقال توراب لوكمان، عالم الفيزياء في لوس ألاموس الوطنية: "ما فعلناه هو إثبات أنه من خلال مجموعة محدودة إلى حد ما من البيانات من تجارب يتم التحكم فيها بشكل خاص، من الممكن توجيه التجارب التالية بهدف العثور على المادة ذات الخاصية المطلوبة". مختبر في الولايات المتحدة الأمريكية.
يوضح الباحث: "إن العثور على مواد جديدة يتم تقليديًا عن طريق الحدس وعن طريق "التجربة والخطأ". "ومع ذلك، مع ارتفاع التعقيد الكيميائي، أصبحت احتمالات الجمع كثيرة جدًا في إطار نهج" التجربة والخطأ "." ومن أجل حل هذه المشكلة، استخدم الباحثون التعلم الآلي لتسريع عملية الاكتشاف. تمكن الباحثون من تطوير إطار يستخدم حالات عدم اليقين لتوجيه التجارب اللاحقة بهدف العثور على سبائك ذاكرة ذات تبديد حراري منخفض للغاية. تعتبر السبائك من هذا النوع ضرورية لتحسين طول عمرها واستقرارها في التطبيقات الهندسية. وقال الباحث الرئيسي: "كان هدفنا هو تقليل الوقت والتكلفة اللازمين لإدخال مواد جديدة إلى السوق إلى النصف". "لقد تمكنا من إثبات أن الإطار المبني على البيانات واستخدام التعلم الحسابي يمكن أن يؤدي إلى اكتشاف مواد جديدة ذات الخصائص المطلوبة بشكل أسرع بكثير من ذي قبل." ركزت معظم الجهود المبذولة في مجال اكتشاف السبائك الجديدة على إنشاء ومسح قواعد البيانات المتراكمة بعد تنفيذ الآلاف من حسابات ميكانيكا الكم. ومع ذلك، فإن العلاقات المتبادلة بين درجات الحرية الهيكلية والكيميائية والمجهرية تسبب تعقيدًا كبيرًا.
ركز الباحثون على السبائك ذات الذاكرة المعتمدة على النيكل والتيتانيوم، ولكن يمكن استخدام هذا النهج لأي مجموعة من المواد (البوليمرات أو المواد الخزفية أو المواد النانوية) أو لأي خاصية مطلوبة (على سبيل المثال، العزل الكهربائي ومعاملات الكهرضغطية وحجم الفجوات في نطاقات التوصيل). تصبح الطريقة الجديدة مهمة عندما تكون التجارب أو الحسابات باهظة الثمن بشكل خاص و/أو تستغرق وقتًا طويلاً. وعلى الرغم من أن البحث ركز على عالم الكيمياء، إلا أنه يمكن تكييفه بسهولة مع العمليات التي تتكون من العديد من العوامل المؤثرة.
ردود الفعل من التجارب: تمت زيادة عملية الحصول على جمع البيانات بأربعة سبائك جديدة. [بإذن من: مختبر لوس ألاموس الوطني]
תגובה אחת
التعلم الآلي شائع جدًا اليوم. من ناحية، هذه رياضيات ممتازة - تكسر تقاليد الرياضيات الأخرى. خوارزمية تكيفية غير حتمية - تبحث عن حل وتجده، في الرياضيات، اعتدنا على البراهين الحتمية والتفكير المجرد.
ومن ناحية أخرى، يستخدمها الكثيرون بدلاً من المعرفة المادية لتحديد الأنماط في العديد من المجالات. ويبدو أن الانتقاء الطبيعي في الأعمال العلمية سيعمل على تصفية أعمال التعلم الآلي التي تتسم بالفعالية من الناحية العملية ولكن دون فهم بديهي، وبين التعلم الآلي كأداة في أيدي الباحثين لتوفير قدرة بحثية إضافية مختلفة عما عرفوه سابقًا بأشكال التفكير - النظرية العنقودية، الاحتمالية، البراهين المنطقية، المنطق المضبب.