خبر کامل
هوش مصنوعی، کلید تسریع کشف مواد مغناطیسی و کاهش وابستگی به عناصر نادر خاکی
پژوهشگران دانشگاه نیوهمپشایر با بهره‌گیری از هوش مصنوعی، گامی بزرگ در تسریع کشف مواد مغناطیسی نوین برداشته‌اند. این رویکرد نه تنها می‌تواند وابستگی صنایع پیشرفته به عناصر نادر خاکی را کاهش دهد، بلکه نویدبخش کاهش هزینه‌ها در فناوری‌های حیاتی مانند خودروهای برقی و سامانه‌های انرژی تجدیدپذیر است.
پایگاه داده‌ای جامع برای مواد مغناطیسی
در این پژوهش، دانشمندان یک پایگاه داده قابل جست‌وجو شامل ۶۷,۵۷۳ ماده مغناطیسی ایجاد کرده‌اند. این پایگاه داده منجر به شناسایی ۲۵ ترکیب جدید شده که قادرند خاصیت مغناطیسی خود را در دماهای بالا حفظ کنند. این ویژگی برای کاربردهای صنعتی و فناوری‌های نوین از جمله خودروهای برقی و سامانه‌های انرژی تجدیدپذیر بسیار ضروری است.
سومان ایتانی، نویسنده اصلی مطالعه و دانشجوی دکتری فیزیک، تاکید می‌کند: «تسریع در کشف مواد مغناطیسی پایدار می‌تواند وابستگی به عناصر نادر خاکی را کاهش دهد، هزینه تولید خودروهای برقی و زیرساخت‌های انرژی پاک را پایین بیاورد و به تقویت توان تولید صنعتی کمک کند.»
چالش‌های نوآوری در مواد مغناطیسی
پایگاه داده جدید که «پایگاه داده مواد شمال‌شرق» نام دارد، به منظور تسهیل جست‌وجو و تحلیل طیف گسترده‌ای از مواد مغناطیسی طراحی شده است. این مواد، پایه و اساس بسیاری از فناوری‌های مدرن، از گوشی‌های هوشمند و تجهیزات پزشکی گرفته تا ژنراتورهای برق و خودروهای الکتریکی را تشکیل می‌دهند.
در حال حاضر، قوی‌ترین آهنرباهای دائمی به شدت وابسته به عناصر نادر خاکی هستند. این عناصر نه تنها هزینه‌های بالایی دارند و عمدتاً وارداتی هستند، بلکه تامین آن‌ها با چالش‌های فزاینده‌ای روبه‌رو است. با وجود آگاهی دانشمندان از وجود ترکیبات مغناطیسی متعدد، هنوز جایگزین گسترده‌ای برای آهنرباهای مبتنی بر عناصر نادر خاکی معرفی نشده است و این موضوع به یکی از موانع اصلی نوآوری در علم مواد تبدیل شده است.
نقش هوش مصنوعی در تحلیل ادبیات علمی
این مطالعه که در نشریه Nature Communications منتشر شده است، چگونگی آموزش یک سامانه هوش مصنوعی را برای تحلیل دهه‌ها مقاله علمی توضیح می‌دهد. این سامانه جزئیات کلیدی آزمایش‌ها را استخراج کرده و آن‌ها را در مدل‌های محاسباتی وارد می‌کند تا مشخص شود یک ماده مغناطیسی است یا خیر و تا چه دمایی می‌تواند خاصیت مغناطیسی خود را حفظ کند.
نتایج به دست آمده در قالب یک پایگاه داده یکپارچه و قابل جست‌وجو سازمان‌دهی شده‌اند. این امکان به پژوهشگران اجازه می‌دهد گزینه‌های امیدوارکننده را سریع‌تر شناسایی کنند، در حالی که در شرایط عادی این فرآیند ممکن بود سال‌ها آزمایش آزمایشگاهی زمان ببرد. با توجه به وجود میلیون‌ها ترکیب احتمالی از عناصر مختلف، آزمایش همه گزینه‌ها در آزمایشگاه از نظر زمان و هزینه عملاً غیرممکن است.
حرکت به سوی فناوری‌های بدون عناصر نادر خاکی
جیادونگ زانگ، استاد فیزیک و از نویسندگان مقاله، تاکید کرد که این پروژه به یکی از دشوارترین چالش‌های علم مواد، یعنی یافتن جایگزین‌های پایدار برای آهنرباهای دائمی، می‌پردازد. او معتقد است که ترکیب پایگاه‌های داده تجربی با فناوری‌های روبه‌رشد هوش مصنوعی می‌تواند دستیابی به این هدف را ممکن کند.
به گفته پژوهشگران، مدل زبانی بزرگ به کار رفته در این پروژه، علاوه بر کاربردهای علمی، می‌تواند در حوزه آموزش عالی نیز مورد استفاده قرار گیرد. برای مثال، تبدیل تصاویر به متن‌های غنی و قابل ویرایش می‌تواند به نوسازی منابع کتابخانه‌ای و دیجیتال‌سازی دانش کمک کند.
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
