Makine öğrenimi, yeni metal arayışını büyük ölçüde hızlandırabilir

Ekip, yapay zeka ve laboratuvar deneylerinin bir kombinasyonu yoluyla bu yeni metalleri bulmayı başardı. İlk olarak, önemli bir zorluğun üstesinden gelmeleri gerekiyordu: makine öğrenimi modellerini eğitmek için kullanabilecekleri mevcut veri eksikliği. Modelleri, mevcut metal alaşımlarının özelliklerini tanımlayan birkaç yüz veri noktası olan, sahip oldukları verilerle eğittiler. AI sistemi, bu verileri düşük invar sergileyecek yeni metaller için tahminler yapmak için kullandı.

Araştırmacılar daha sonra bu metalleri bir laboratuvarda yarattılar, sonuçları ölçtüler ve bu sonuçları makine öğrenimi modeline geri beslediler. Süreç bu şekilde devam etti – metal kombinasyonları öneren model, araştırmacılar bunları test etti ve verileri geri besledi – 17 umut verici yeni metal ortaya çıkana kadar.

Bulgular, hala büyük ölçüde laboratuvar deneylerine dayanan bir alan olan malzeme biliminde makine öğreniminin daha fazla kullanılmasının yolunu açmaya yardımcı olabilir. Ayrıca, malzeme bilimi uzmanları, daha sonra laboratuvarda kontrol edilen tahminlerde bulunmak için makine öğrenimini kullanma tekniğinin kimya ve fizik gibi diğer alanlarda keşif için uyarlanabileceğini söylüyor.

Purdue Üniversitesi’nde malzeme mühendisliği yardımcı doçenti olan ve araştırmaya dahil olmayan Michael Titus, bunun neden önemli bir gelişme olduğunu anlamak için yeni bileşiklerin genellikle oluşturulduğu geleneksel yola bakmaya değer olduğunu söylüyor. Laboratuvarda kurcalama süreci zahmetli ve verimsizdir.

Titus, “Özel bir özellik sergileyen malzemeleri bulmak gerçekten samanlıkta iğne bulmaya benziyor” diyor. Yeni mezun öğrencilerine sık sık keşfedilmeyi bekleyen milyonlarca olası yeni malzeme olduğunu söyler. Makine öğrenimi, araştırmacıların hangi yolları izleyeceklerine karar vermelerine yardımcı olabilir.