به گزارش گروه علم و فناوری ایسکانیوز، تیمی از دانشمندان ژاپنی یک روش یادگیری ماشین منحصر به فرد برای کمک به شناسایی پلیمرهای با خاصیت رسانای حرارتی از یک مجموعه داده کوچک را ابداع کردند.
معمولاً آزمایش و خطاهای زیادی لازم است تا مواد جدید به ویژه مواد با کارایی بالا برای آزمایشات آینده مشخص شود. به همین دلیل، محققان همیشه در جستجوی میانبرها و راههای کاهش زمان لازم برای کشف این مواد هستند.
محققان در ژاپن با استفاده از یادگیری ماشینی روشی پیشرفته برای انجام این کار پیدا کردهاند که میتواند مواد اصلی را حتی از یک مجموعه داده کوچک شناسایی کند. تیمی از اندیشکدههای مختلف ژاپنی، از جمله انستیتوی فناوری توکیو، از هوش مصنوعی (AI) برای طراحی و شناسایی پلیمرهایی با هدایت حرارتی بالا استفاده کردهاند که راه را برای استفاده آنها جهت مدیریت گرما در دستگاههای تلفن همراه 5G و همچنین سایر موارد هموار میکند.
محققان اعلام کردند که این روش هوش مصنوعی برای جستجوی مواد مزیتهای زیادی نسبت به روشهای سنتی موجود دارد.
ریو یوشیدا از محققان این طرح در بیانیه مطبوعاتی گفت: «یادگیری ماشین برای طراحی مواد پلیمری یا مواد نرم زمینه چالش برانگیز؛ اما امیدوارکننده است، زیرا این مواد دارای خواصی متفاوت از فلزات و سرامیکها هستند و هنوز توسط تئوریهای موجود کاملاً قابل پیشبینی نیستند.»
مواد پلیمری معمولاً رسانا نیستند، به همین دلیل شناسایی مواد جدید از این نوع که بتواند گرما را انتقال دهد برای دانشمندان بسیار ارزشمند است. از این نوع پلیمرها میتوان برای جایگزینی فلز در بعضی از لوازم الکترونیکی کلیدی و سایر کاربردها استفاده و باعث مقرون به صرفهتر شدن آنها شد.
این تیم ژاپنی گردش کاری خاص برای یادگیری ماشین ایجاد کرده تا به آنها در پیشبینی خواص پلیمرها کمک کند. یادگیری ماشین نوعی هوش مصنوعی است که کامپیوترها را قادر میسازد از دادهها یاد بگیرند تا به صورت هوشمندانه اطلاعات را به محققان ارائه دهند.
گردش کار توسعه یافته شامل دو مرحله پیشبینی متمایز است: پیشبینیهای رو به جلو و عقب. پیشبینی رو به جلو با هدف ایجاد مجموعهای از مدلهای پیشبینی است که ویژگیهای مختلف پلیمری (مانند هدایت حرارتی و دمای انتقال شیشه) را توصیف میکند.
محققان بهطور خاص از روش یادگیری ماشین به نام یادگیری انتقالی برای حل مسئله دادههای محدود در مورد هدایت حرارتی استفاده کردند. آنها برای این منظور، مدلهای پیش بینی از ویژگیهای پراکسی مجموعه دادههای بزرگ را آموزش داده و سپس مدلهای از قبل آموزش داده شده با استفاده از دادههای محدود را در خاصیت هدف تنظیم کردند.
محققان اعلام کردند که برای انجام پیش بینیهای رو به عقب، مدلهای آموزش دیده رو به جلو را معکوس و مدلی را ایجاد کردند که با توجه به نیاز مورد نظر باشد. با حل این مساله معکوس، روش یادگیری ماشینی با استفاده از محاسبات، موادی ایجاد کرد که خصوصیات مورد نظر را نشان دهند.
این یافتهها در journal npj Computational Materials به چاپ رسید.
بَسپار یا پلیمر، دسته ای از درشت مولکول ها هستند. هر پلیمر از زنجیرههای بلندی تشکیل شده است که از اتصال تعداد زیادی مولکول کوچک به یکدیگر به دست میآید. رشته دانشگاهی پلیمر یکی از گرایشهای شیمی و مهندسی شیمی است. این گرایش تا سال ۱۳۶۲ یکی از گرایشهای مهندسی شیمی بود؛ اما در حال حاضر به عنوان یک رشته مستقل با دو گرایش صنایع پلیمر و تکنولوژی و علوم رنگ در دانشگاهها و مراکز آموزش عالی ارائه میشود، البته هنوز نیز در شماری از دانشگاههای کشور مهندسی پلیمر یکی از گرایشهای مهندسی شیمی است.
واژه «پلیمر» از دو بخش یونانی «پُلی» به معنای بسیار و «مر» به معنی قسمت، پاره یا قطعه گرفته شدهاست.
انتهای پیام/