Kecerdasan buatan mempercepat penemuan kaca metalik

KUTULIS INFO - Jika Anda menggabungkan dua atau tiga logam bersama-sama, Anda akan mendapatkan paduan yang biasanya terlihat dan bertindak seperti logam, dengan atom-atomnya diatur dalam pola geometris yang kaku.

Tapi sesekali, di bawah kondisi yang tepat, Anda mendapatkan sesuatu yang benar-benar baru: paduan futuristik yang disebut kaca metalik. Atom-atom materi amorf diatur dengan cara apa saja, seperti atom-kaca kaca di jendela. Sifatnya yang seperti kaca membuatnya lebih kuat dan lebih ringan dari baja terbaik saat ini, dan lebih baik untuk korosi dan keausan.

Meskipun kaca metalik menunjukkan banyak janji sebagai lapisan pelindung dan alternatif untuk baja, hanya beberapa ribu dari jutaan kombinasi bahan yang mungkin telah dievaluasi selama 50 tahun terakhir, dan hanya segelintir yang dikembangkan sampai pada titik bahwa mereka dapat menjadi berguna.

Sekarang sebuah kelompok yang dipimpin oleh para ilmuwan di Laboratorium Akselerator Nasional SLAC Departemen Energi, Institut Standar dan Teknologi Nasional (NIST) dan Universitas Northwestern telah melaporkan jalan pintas untuk menemukan dan memperbaiki kaca metalik - dan, dengan ekstensi, bahan-bahan lain yang sulit dipahami - - di sebagian kecil waktu dan biaya.

Kelompok peneliti mengambil keuntungan dari sistem di SLAC's Stanford Synchrotron Radiation Lightsource (SSRL) yang menggabungkan pembelajaran mesin - suatu bentuk kecerdasan buatan di mana algoritma komputer mengumpulkan pengetahuan dari sejumlah besar data - dengan eksperimen yang dengan cepat membuat dan menyaring ratusan sampel bahan sekaligus. Ini memungkinkan tim untuk menemukan tiga campuran bahan baru yang membentuk kaca metalik, dan melakukannya 200 kali lebih cepat daripada yang bisa dilakukan sebelumnya.

Kecerdasan buatan mempercepat penemuan kaca metalik

"Ini biasanya membutuhkan satu atau dua dekade untuk mendapatkan bahan dari penemuan untuk penggunaan komersial," kata Chris Wolverton, Profesor Ilmu Material dan Teknik Jerome B. Cohen di Northwestern's McCormick School of Engineering, yang merupakan perintis awal dalam menggunakan komputasi dan AI untuk memprediksi materi baru. "Ini adalah langkah besar untuk mencoba menekan waktu itu. Anda bisa memulai dengan tidak lebih dari daftar properti yang Anda inginkan dalam suatu materi dan, dengan menggunakan AI, dengan cepat mempersempit bidang besar material potensial ke beberapa kandidat yang baik. "

Tujuan utamanya, kata Wolverton, yang memimpin pekerjaan pembelajaran mesin kertas, adalah mencapai titik di mana seorang ilmuwan dapat memindai ratusan materi sampel, mendapatkan umpan balik langsung dari model pembelajaran mesin dan memiliki sampel lain yang siap diuji berikutnya. hari - atau bahkan dalam waktu satu jam.

Selama setengah abad terakhir, para ilmuwan telah menyelidiki sekitar 6.000 kombinasi bahan yang membentuk kaca metalik. Menambahkan rekan penulis kertas Apurva Mehta, seorang ilmuwan staf di SSRL: "Kami mampu membuat dan menyaring 20.000 dalam satu tahun."

Baru saja dimulai

Sementara kelompok lain telah menggunakan pembelajaran mesin untuk menghasilkan prediksi tentang di mana berbagai jenis kaca metalik dapat ditemukan, Mehta berkata, "Hal unik yang telah kami lakukan adalah dengan cepat memverifikasi prediksi kami dengan pengukuran eksperimental dan kemudian berulang kali siklus hasil kembali ke putaran pembelajaran mesin dan eksperimen berikutnya. "

Ada banyak ruang untuk membuat proses lebih cepat, tambahnya, dan pada akhirnya mengotomatiskannya untuk membawa orang keluar dari lingkaran sama sekali sehingga para ilmuwan dapat berkonsentrasi pada aspek lain dari pekerjaan mereka yang membutuhkan intuisi dan kreativitas manusia. "Ini akan berdampak tidak hanya pada pengguna synchrotron, tetapi pada keseluruhan materi sains dan komunitas kimia," kata Mehta.

Tim tersebut mengatakan metode ini akan berguna dalam semua jenis eksperimen, terutama dalam pencarian material seperti kaca metalik dan katalis yang kinerjanya sangat dipengaruhi oleh cara pembuatannya, dan di mana para ilmuwan tidak memiliki teori untuk memandu pencarian mereka. . Dengan pembelajaran mesin, tidak diperlukan pemahaman sebelumnya. Algoritme membuat koneksi dan menarik kesimpulan sendiri, yang dapat mengarahkan penelitian ke arah yang tidak terduga.

"Salah satu aspek yang lebih menarik dari ini adalah bahwa kita dapat membuat prediksi begitu cepat dan mengubah eksperimen dengan sangat cepat sehingga kita dapat menyelidiki materi yang tidak mengikuti aturan umum kita tentang apakah material akan membentuk kaca atau tidak. , kata penulis bersama penulis, Jason Hattrick-Simpers, seorang insinyur penelitian material di NIST. "AI akan mengubah lanskap tentang bagaimana ilmu material dilakukan, dan ini adalah langkah pertama."

Bereksperimen dengan data

Dalam studi kaca metalik, tim peneliti menyelidiki ribuan paduan yang masing-masing mengandung tiga logam tidak beracun yang murah.

Mereka memulai dengan koleksi data material yang sudah ada sejak lebih dari 50 tahun, termasuk hasil 6.000 eksperimen yang mencari kaca metalik. Tim menyisir data dengan algoritma pembelajaran mesin canggih yang dikembangkan oleh Wolverton dan Logan Ward, seorang mahasiswa pascasarjana di laboratorium Wolverton yang menjabat sebagai penulis co-pertama kertas.

Berdasarkan apa yang dipelajari algoritma dalam putaran pertama ini, para ilmuwan membuat dua set paduan sampel menggunakan dua metode yang berbeda, yang memungkinkan mereka untuk menguji bagaimana metode manufaktur mempengaruhi apakah sebuah paduan berubah menjadi sebuah gelas. Sebuah sinar x-ray SSRL memindai kedua set paduan, kemudian peneliti memasukkan hasilnya ke dalam database untuk menghasilkan hasil pembelajaran mesin baru, yang digunakan untuk menyiapkan sampel baru yang menjalani putaran pemindaian dan pembelajaran mesin.

Pada putaran ketiga dan terakhir percobaan, Mehta mengatakan, tingkat keberhasilan kelompok untuk menemukan kaca metalik telah meningkat dari satu dari 300 atau 400 sampel yang diuji ke salah satu dari dua atau tiga sampel yang diuji. Sampel kaca metalik yang mereka identifikasi mewakili tiga kombinasi bahan yang berbeda, dua di antaranya tidak pernah digunakan untuk membuat kaca metalik sebelumnya.

Studi ini didanai oleh Departemen Energi AS (nomor penghargaan FWP-100250), Pusat Desain Bahan Hirarkis dan Institut Standar dan Teknologi Nasional (penghargaan nomor 70NANB14H012).

Berlangganan update artikel terbaru via email:

0 Response to "Kecerdasan buatan mempercepat penemuan kaca metalik"

Post a Comment

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel