مهندسی ویژگی مواد گوناگون با کمک هوش مصنوعی
پژوهشگران دانشگاه "ام. آی. تی"(MIT)، روشی برای استفاده از هوش مصنوعی یافتهاند که میتواند به پیشبینی و کنترل این تغییرات کمک کند و راههای جدیدی برای پژوهش در مورد مواد پیشرفته ارائه دهد.
در پژوهش پیشین دانشگاه ام. آی.تی، چند درجه فشار به تراشههای سیلیکونی وارد شد و نشان داد که حتی یک درصد تغییر در ساختار میتواند در برخی موارد، سرعت ابزار را تا ۵۰ درصد بهبود بخشد و امکان حرکت سریعتر الکترونها را در ماده فراهم کند.
این پژوهش جدید نشان میدهد حتی الماس که محکمترین و سختترین ماده موجود در طبیعت است، هنگامی که در اندازه نانومتر قرار میگیرد، تا ۹ درصد قابلیت کشش بدون شکستن را دارد.
در این پژوهش مشخص شد سیمهای سیلیکونی در مقیاس نانو، قابلیت کشش تا بیش از ۱۵ درصد را دارند. این یافتهها، راههای جدیدی را برای کشف نحوه ساخت ابزار جدید با قابلیت تغییر در ویژگیها ارائه میدهد.
"ژو لی"(Ju Li)، استاد مهندسی و علوم مواد دانشگاه ام. آی.تی گفت: مهندسی کردن فشار برخلاف دیگر روشهای مورد استفاده برای تغییر ویژگیهای ماده که در حالت ایستا صورت میگیرند، امکان تغییر در حالت پرواز را هم فراهم میکند. فشار، قابلیت فعال و غیرفعال شدن را به شکل پویا دارد.
کاربرد روشهای یادگیری ماشینی، یک روش اصولی را برای کشف مقدار ماده مناسب ارائه میدهد تا امکان دستیابی به مجموعهای از ویژگیها را برای یک هدف خاص فراهم کند. لی افزود: اکنون ما روشی با دقت بسیار بالا در اختیار داریم تا پیچیدگی محاسبات مورد نیاز را به طور قابل توجهی کاهش دهیم.
"سوبرا سورش"(Subra Suresh)، از پژوهشگران این پروژه گفت: پروژه ما، نحوه ترکیب حوزههایی مانند فیزیک مواد، هوش مصنوعی، علوم رایانه و یادگیری ماشینی را برای رسیدن به یک دانش خاص نشان میدهد و میتواند پیامدهای خوبی برای کاربرد در صنعت به همراه داشته باشد.
منبع: ایسنا