Искусственный интеллект помог улучшить создание металлического стекла

Искусственный интеллект помог улучшить создание металлического стекла

Объединение искусственного интеллекта с экспериментальными данными ускорило создание новой разновидности металлического стекла в 200 раз.

Стеклянная природа нового материала делает его более прочным, легким и коррозионно-стойким, чем современная сталь. Металлическое стекло – это особый сплав, у которого атомы расположены, как атомы стекла в окне. По характеристикам материал достаточно легкий и не поддается коррозии. За последние 50 лет было исследовано около 6 тысяч комбинаций ингридиентов для создания такого сплава.

Группа, возглавляемая учеными Национальной лаборатории ускорителей SLAC Министерства энергетики, Национального института стандартов и технологий и Северо-западного университета США, сообщила о сокращении затрат для обнаружения и улучшения металлического стекла на долю времени и стоимости. Как сообщил представитель группы разработчиков Апурва Мехта, "Мы смогли сделать и отобрать 20 000 вариантов за один год".

Исследовательская группа воспользовалась системой, которая сочетает в себе машинное обучение, при котором компьютерные алгоритмы собирают знания из огромных объемов данных - с экспериментами, которые быстро создают сотни образцов материалов за один раз. Это позволило команде открыть три новые смеси ингредиентов, которые образуют металлическое стекло.

"Обычно требуется около десятилетия или двух, чтобы получить материал от открытия до коммерческого использования. Мы сделали большой шаг в попытке сжать это время. Вы можете начать со списка свойств, которые вы хотите получить в новом материале, и, используя искусственный интеллект, быстро сузить огромную область потенциальных материалов до нескольких хороших кандидатов", - сказал Крис Вулвертон, профессор материаловедения и инженерии в Школе инженеров Маккормика.

Конечная цель, по словам Вулвертона, заключается в том, чтобы ученый мог сканировать сотни образцов материалов, получать почти немедленную обратную связь от моделей машинного обучения и сразу же получать новый набор образцов.

Апурва Мехта, в свою очередь, подчеркнул, что процесс подбора вариантов можно сделать еще быстрее и в конечном итоге автоматизировать его, чтобы полностью вывести людей из цикла проверок, чтобы ученые могли сосредоточиться на других аспектах своей работы, которые требуют человеческой интуиции и творчества. Команда заявила, что этот метод будет полезен во всех видах экспериментов, особенно при поиске материалов, таких как металлическое стекло и катализаторы.