اختراع مواد جدید یکی از عوامل کلیدی در پیشرفتهای تکنولوژیکی بزرگ است. از کشف اکسید لیتیوم کبالت در دهه ۱۹۸۰ که به پایهگذاری تکنولوژی باتریهای لیتیوم-یون انجامید، تا نیاز به مواد نوین برای سلولهای خورشیدی کارآمدتر و باتریهای ارزانتر، همواره جستوجو برای یافتن مواد جدید و مناسب برای کاربردهای مختلف، چالشی پیچیده و پرهزینه بوده است.
حال، با معرفی MatterGen، ابزاری مبتنی بر هوش مصنوعی مولد، این فرآیند به شیوهای جدید و کارآمدتر انجام میشود. برخلاف روشهای سنتی که در آنها هزاران ماده برای یافتن نمونههای مناسب آزمایش میشود، MatterGen قادر است بهطور مستقیم و با استفاده از دستورالعملهای طراحی، مواد نوینی با ویژگیهای شیمیایی، مکانیکی، الکترونیکی و مغناطیسی مورد نظر تولید کند.
این مدل هوش مصنوعی که بر اساس معماری پیشرفتهای به نام “مدل انتشار” (diffusion model) طراحی شده است، قادر است ساختارهای جدیدی را با در نظر گرفتن هندسه 3D و ویژگیهای دورهای مواد، پیشنهاد دهد. نتایج اولیه نشان میدهند که MatterGen نهتنها از لحاظ سرعت، بلکه از نظر دقت و نوآوری در مقایسه با روشهای سنتی غربالگری مواد، بسیار مؤثرتر است.
این نوآوری که در نشریه معتبر Nature منتشر شده است، بهطور خاص در شبیهسازی ویژگیهای مختلف مواد مانند مدول bulk و دیگر خواص فیزیکی، بهطور شگرفی کارآمدتر از روشهای قبلی عمل میکند. علاوه بر این، MatterGen با توانایی تشخیص اختلالات ترکیبی (compositional disorder) در ساختار مواد، به یافتن مواد منحصر به فرد و جدید کمک میکند.
محققان همچنین موفق به سنتز مادهای جدید به نام TaCr2O6 شدهاند که ساختار آن توسط MatterGen طراحی شده بود. این دستاورد با همکاری آزمایشگاههای پیشرفته علمی در چین به دست آمده و نشان از قابلیت بالای این سیستم در طراحی و ساخت مواد دارد.
در نهایت، MatterGen با انتشار کد منبع خود تحت مجوز MIT، امکان استفاده و توسعه این فناوری را برای جامعه علمی فراهم میآورد و امیدوار است که با ادامه تحقیقات و همکاریها، انقلابی در طراحی مواد و فناوریهای مرتبط با آن ایجاد کند.
کد خبر ۲۱۲۰۳۱۱۰۱.۲۱۷
منبع خبر : مایکروسافت