پیش‌بینی ساختار و ویژگی‌های بیش از ۳۱ میلیون ماده‌ای که هنوز وجود ندارند

دانشمندان با موفقیت هوش مصنوعی را توسعه دادند.

دانشمندان الگوریتم های هوش مصنوعی را توسعه داده اند که می تواند ساختار و خواص بیش از 31 میلیون ماده را که هنوز وجود ندارد، پیش بینی کند.

به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا، به نقل از ایندیپندنت پرشین، دانشمندان الگوریتم های هوش مصنوعی ابداع کرده اند که می تواند ساختار و خواص بیش از 31 میلیون ماده ای را که هنوز وجود ندارد، پیش بینی کند.

به گفته تیمی از دانشگاه کالیفرنیا، سن دیگو که آن را ایجاد کرده است، ابزار هوش مصنوعی به نام M3GNet می تواند منجر به کشف مواد جدید با خواص برتر شود.

M3GNet قادر بود فوراً اطلاعات را از پایگاه داده وسیعی از مواد وارد کند که قبلاً کامپیوتری نشده بودند. [یعنی اطلاعات مربوط به موادی را] مهندسان اکنون به دنبال الکترودهای با چگالی انرژی بالاتر برای باتری های لیتیوم یون هستند [از آن] در همه چیز از گوشی های هوشمند گرفته تا خودروهای الکتریکی استفاده می شود.

پایگاه داده “madeverse.ai” و الگوریتم “M3GNET” می توانند دامنه کشف مواد را بیشتر گسترش دهند.

شیو پینگ اونگ، استاد مهندسی نانو در دانشگاه کالیفرنیا، سن دیگو، M3GNet را با اشاره به الگوریتم‌های هوش مصنوعی DeepMind گوگل که می‌تواند ساختار پروتئین را پیش‌بینی کند، «طبقه آلفای مواد» توصیف می‌کند.

پروفسور اونگ می گوید: مانند پروتئین ها، برای پیش بینی خواص یک ماده باید ساختار آن را بدانید. ما معتقدیم که ساختار M3Gnet یک ابزار انقلابی است که می تواند توانایی ما را برای کشف مواد شیمیایی و ساختارهای جدید تا حد زیادی گسترش دهد.

این تیم اکنون قصد دارد تعداد مواد موجود در پایگاه داده را به میزان قابل توجهی گسترش دهد و در عین حال به کشف موادی که ممکن است در حمایت از اکتشافات علمی آینده مفید باشد ادامه دهد.

از 31 میلیون ماده موجود در پایگاه داده madeverse.ai، بیش از 1 میلیون تخمین زده می شود که پایدار و قابل استفاده باشند.

مطالعه دقیق این ابزار جدید هوش مصنوعی روز دوشنبه در مجله علمی Nature Computational Science منتشر شد.

انتهای پیام/