هوش مصنوعی MIT پیشبینی ساختار کریستالها را با دقت ۶۷ درصدی ممکن ساخت

هوش مصنوعی MIT پیشبینی ساختار کریستالها را با دقت ۶۷ درصدی ممکن ساخت, محققان موسسه فناوری ماساچوست (MIT) یک مدل پیشرفته هوش مصنوعی تولیدکننده را معرفی کردهاند که قادر است ساختار مواد کریستالی مانند فلزات، سرامیکها و سنگها را با دقت بالا پیشبینی کند. این روش نوین جایگزین کارآمدی برای تکنیکهای سنتی مانند کریستالوگرافی اشعه ایکس است که تا به امروز استاندارد تعیین ساختار مواد بودهاند.

چرا شناخت ساختار کریستال حیاتی است؟ ساختار بلوری مواد مستقیماً خواص فیزیکی آنها از جمله ابررسانایی، مغناطیسی بودن و رفتار فتوولتائیکی را تعیین میکند. دانا فریدمن، استاد شیمی در MIT، تأکید میکند که شناخت ساختار اولین و مهمترین گام برای درک عملکرد هر مادهای در کاربردهای باتری، آهنربا و انرژی است.

مواد کریستالی از شبکههایی تشکیل شدهاند که واحدهای تکراری یکسان (شبکه براوی) دارند و دقت در تعیین ابعاد و چیدمان اتمها در این واحدها کلید کشف مواد جدید است. نحوه عملکرد مدل هوش مصنوعی MIT این مدل فرآیند پیشبینی را به چندین مرحله زیرین تقسیم میکند ابتدا ابعاد و شکل جعبه شبکه و نوع اتمهای تشکیلدهنده آن مشخص میشود، سپس چیدمان دقیق اتمها در داخل جعبه پیشبینی میگردد.

برای هر الگوی پراش، مدل چندین ساختار کاندیدا تولید کرده و آنها را با الگوی آزمایشی مقایسه میکند.

اریک ریزل، پژوهشگر پروژه، توضیح میدهد ما صدها فرضیه میسازیم، الگوی پراش پیشبینیشده برای هرکدام را محاسبه میکنیم و در صورت تطابق با دادههای واقعی، ساختار صحیح شناسایی میشود. نتایج تست و کاربردهای آینده مدل بر روی بیش از ۱۰۰ الگوی پراش آزمایشی از پایگاه داده RRUFF (حاوی ۱۴ هزار ماده معدنی) ارزیابی شد و دقت حدود ۶۷ درصدی را ثبت کرد.

محققان سپس از این ابزار برای حل ساختار سه ماده جدید حاصل از واکنش عناصر در فشار بالا استفاده کردند. این تکنولوژی مسیر را برای کشف مواد با ترکیبات شیمیایی مشابه اما ساختارهای بلوری و خواص فیزیکی کاملاً متفاوت هموار میسازد که میتواند انقلاب بزرگی در علم مواد، ذخیرهسازی انرژی و الکترونیک ایجاد کند.