Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 26 °C
Gök Gürültülü

Yapay Zeka algoritması, fotonik cihazlar, biyolojik olarak bilgisayarlar için yararlı olan yeni bileşiği tanımlıyor

24.11.2020
213
Yapay Zeka algoritması, fotonik cihazlar, biyolojik olarak bilgisayarlar için yararlı olan yeni bileşiği tanımlıyor

“Yapay Zeka” (AI) kelimesi akla geldiğinde ilk düşünceleriniz süper akıllı bilgisayarlar veya insanlardan herhangi bir yardıma ihtiyaç duymadan görevleri yerine getiren robotlar olabilir.

Şimdi, Ulusal Standartlar ve Teknoloji Enstitüsü’nden (NIST) araştırmacıları içeren çok kurumlu bir ekip, çok da uzak olmayan bir şeyi başardı:

Bilim adamlarından ek eğitim gerektirmeden potansiyel olarak yararlı yeni bir materyal keşfeden CAMEO adlı bir AI algoritması geliştirdiler.

AI sistemi, bilim adamlarının laboratuvarda geçirdikleri deneme yanılma süresinin azaltılmasına yardımcı olurken araştırmalarında üretkenliği ve verimliliği en üst düzeye çıkarabilir.

Araştırma ekibi, Nature Communications’da CAMEO üzerine çalışmalarını yayınladı.

NIST araştırmacısı Aaron Gilad Kusne, Malzeme bilimi alanında bilim adamları, “hafif ama aynı zamanda bir araba yapmak için güçlü bir metal veya bir jet motoru için yüksek gerilimlere ve sıcaklıklara dayanabilen bir metal” gibi belirli uygulamalarda kullanılabilecek yeni malzemeler keşfetmeye çalışıyorlar, dedi.

Ancak bu tür yeni materyalleri bulmak genellikle çok sayıda koordineli deney ve zaman alan teorik araştırmalar gerektirir. Bir araştırmacı, bir malzemenin özelliklerinin farklı sıcaklıklarla nasıl değiştiğiyle ilgileniyorsa, o zaman araştırmacının 10 farklı sıcaklıkta 10 deney yapması gerekebilir.

Ancak sıcaklık yalnızca bir parametredir. Her biri 10 değere sahip beş parametre varsa, bu araştırmacı denemeyi 10 x 10 x 10 x 10 x 10 kez, toplam 100.000 deney çalıştırmalıdır. Kusne, bir araştırmacının yıllar veya on yıllar alabileceği için bu kadar çok deney yapmasının neredeyse imkansız olduğunu söyledi.

İşte burada CAMEO devreye giriyor. Malzeme Keşfi ve Optimizasyonu için Kapalı Döngü Otonom Sisteminin kısaltması olan CAMEO, her bir deneyin bilim adamının bilgi ve anlayışını en üst düzeye çıkarmasını ve fazlalık bilgi verecek deneyleri atlamasını sağlayabilir.

Bilim insanlarının daha az deneyle hedeflerine daha hızlı ulaşmalarına yardımcı olmak, laboratuvarların sınırlı kaynaklarını daha verimli kullanmalarını da sağlar. Ancak CAMEO bunu nasıl yapabilir?

Makinenin Arkasındaki Yöntem

Makine öğrenimi, bilgisayar programlarının verilere erişebildiği ve verileri kendilerinin işleyebildiği, tekrarlanan eğitime güvenmek yerine kendiliğinden gelişen bir süreçtir.

Bu, daha sonra hangi deneyin deneneceğini belirlemek için tahmin ve belirsizlik kullanan kendi kendine öğrenen bir yapay zeka olan CAMEO’nun temelidir.

Adından da anlaşılacağı gibi, CAMEO kapalı bir döngüde çalışarak yararlı yeni bir malzeme arar: Bir malzeme üzerinde hangi deneyin çalıştırılacağını belirler, deneyi yapar ve verileri toplar.

Ayrıca döngüde gerçekleştirilen tüm geçmiş deneyler tarafından bilgilendirilen bir sonraki deneyi çalıştırmadan önce bilim adamından istenen malzemenin kristal yapısı gibi daha fazla bilgi isteyebilir.

Maryland Üniversitesi’nde malzeme bilimi ve mühendislik araştırmacısı ve profesör olan Ichiro Takeuchi, “Deneyimizin anahtarı, CAMEO’yu tüm farklı kompozisyonlarla geniş bir malzeme dizisi oluşturduğumuz bir kombinasyon kütüphanesinde serbest bırakabilmemizdi,” dedi. .

Olağan bir kombinatoryal çalışmada, dizideki her malzeme, en iyi özelliklere sahip bileşiği aramak için sırayla ölçülür. Hızlı bir ölçüm kurulumuyla bile bu uzun zaman alır. CAMEO ile, en iyi malzemeyi elde etmek için normal ölçüm sayısının yalnızca küçük bir kısmını aldı.

AI ayrıca, geçmiş simülasyonlar ve laboratuvar deneyleri, ekipmanın nasıl çalıştığı ve fiziksel kavramlar gibi temel ilkeler hakkında bilgi içerecek şekilde tasarlanmıştır.

Örneğin, araştırmacılar CAMEO’yu, bir malzemedeki atomların düzeninin kimyasal bileşim ve sıcaklıkla nasıl değiştiğini açıklayan faz haritalama bilgisiyle donattı.

Atomların bir malzemede nasıl düzenlendiğini anlamak, ne kadar sert veya elektriksel olarak ne kadar yalıtkan olduğu ve belirli bir uygulama için ne kadar uygun olduğu gibi özelliklerini belirlemede önemlidir.

Kusne, “AI denetimsizdir. Birçok AI türünün eğitilmesi veya denetlenmesi gerekir. Ondan fiziksel yasaları öğrenmesini istemek yerine, onları AI olarak kodluyoruz. AI’yı eğitmek için bir insana ihtiyacınız yok” dedi.

Bir malzemenin yapısını anlamanın en iyi yollarından biri, onu X ışını kırınımı adı verilen bir teknikle X ışınları ile bombardıman etmektir. Bilim adamları, X ışınlarının sıçradığı açıları belirleyerek, atomların bir malzemede nasıl düzenlendiğini belirleyerek kristal yapısını anlamalarını sağlayabilir.

Bununla birlikte, tek bir kurum içi X-ışını kırınım deneyi bir saat veya daha fazla sürebilir. Futbol sahası büyüklüğündeki büyük bir makinenin elektrik yüklü parçacıkları ışık hızına yakın hızda hızlandırdığı bir senkrotron tesisinde, bu işlem 10 saniye sürebilir çünkü hızlı hareket eden parçacıklar çok sayıda X-ışını yayar. Stanford Synchrotron Radiation Lightsource’ta (SSRL) gerçekleştirilen deneylerde kullanılan yöntem budur.

Algoritma, bir veri ağı üzerinden X-ışını kırınım ekipmanına bağlanan bir bilgisayara kurulur. CAMEO, X-ışınlarının atomik yapısını araştırmak için hangi malzemeye odaklanacağını seçerek bir sonraki malzeme bileşimini çalışacağına karar verir.

Her yeni yinelemede, CAMEO geçmiş ölçümlerden öğrenir ve incelenecek bir sonraki materyali belirler. Bu, YZ’nin bir malzemenin bileşiminin yapısını nasıl etkilediğini keşfetmesine ve görev için en iyi malzemeyi belirlemesine olanak tanır.

Kusne, “Bu süreci mükemmel pastayı yapmaya çalışmak olarak düşünün” dedi. “En iyi pastayı yapmak için çeşitli tarifler kullanarak farklı türde malzemeleri, un, yumurta veya tereyağı karıştırıyorsunuz.” Yapay zeka ile, malzeme için en iyi bileşimi belirlemek için “tarifleri” veya deneyleri araştırıyor.

Bu yaklaşım, CAMEO’nun, grubun GST467’ye kısalttığı “Ge? _4? Sb? _6? Te? _ (7,) malzemesini nasıl keşfettiğidir. CAMEO’ya araştırması için çok çeşitli kompozisyon tariflerini kapsayan 177 potansiyel malzeme verildi. Bu malzemeye ulaşmak için CAMEO, 177 malzemeden oluşan bir bilim adamının alacağı tahmini 90 saate kıyasla 10 saat süren 19 farklı deneysel döngü gerçekleştirdi.

Yeni Malzeme

Materyal üç farklı elementten (germanyum, antimon ve tellür, Ge-Sb-Te) oluşur ve bir faz değişim hafızalı materyaldir, yani atomik yapısını kristalden (atomları belirlenmiş, düzenli pozisyonlarda olan katı materyal) değiştirir. Isı uygulanarak hızla eritildiğinde amorf (atomları rastgele konumlarda olan katı malzeme) haline getirilir.

Bu tür malzemeler, veri depolama gibi elektronik bellek uygulamalarında kullanılır. Ge-Sb-Te alaşım sisteminde olası sonsuz bileşim varyasyonları olmasına rağmen, CAMEO tarafından keşfedilen yeni malzeme GST467, faz değiştirme uygulamaları için idealdir.

Araştırmacılar, CAMEO’nun kristal ve amorf haller arasındaki “optik kontrast” açısından en büyük farka sahip en iyi Ge-Sb-Te alaşımını bulmasını istediler.

Örneğin bir DVD veya Blu-ray diskte, optik kontrast, bir tarama lazerinin yüksek veya düşük yansıtma oranına sahip bölgeleri ayırt ederek diski okumasına olanak tanır.

GST467’nin, DVD’ler için yaygın olarak kullanılan iyi bilinen bir malzeme olan? Ge? _2? Sb? _2? Te? _5’in iki katı optik kontrastına sahip olduğunu buldular. Daha büyük kontrast, yeni malzemenin eski malzemeden önemli bir farkla daha iyi performans göstermesini sağlar.

GST467 ayrıca bir devredeki ışığın yönünü kontrol eden fotonik anahtarlama cihazları için uygulamalara sahiptir. Ayrıca, beyindeki nöronların yapısını ve işlevini taklit eden cihazlar geliştirmeye odaklanan, yeni bilgisayar türleri için olanaklar ve karmaşık görüntülerden yararlı verileri çıkarmak gibi diğer uygulamalara odaklanan bir çalışma alanı olan nöromorfik hesaplamada da kullanılabilirler.

CAMEO’nun Daha Geniş Uygulamaları

Araştırmacılar, CAMEO’nun diğer birçok malzeme uygulaması için kullanılabileceğine inanıyor. CAMEO’nun kodu açık kaynak kodludur ve bilim adamları ve araştırmacılar tarafından ücretsiz olarak kullanılabilir olacaktır.

Benzer makine öğrenimi yaklaşımlarının aksine, CAMEO, kristalin malzemelerin bileşim-yapı-özellik ilişkisine odaklanarak faydalı yeni bir bileşik keşfetti. Bu şekilde, algoritma, bir malzemenin işlevlerinin yapısal kökenlerini izleyerek keşif yolunda ilerledi.

Synchrotron tesislerinde deneyler önermek, planlamak ve çalıştırmak zaman ve para gerektirdiğinden, CAMEO’nun bir faydası maliyetleri en aza indirmektir.

Araştırmacılar, yapılan deneylerin sayısının onda bir oranında azaltılabildiğinden, CAMEO kullanan deneyler için zamanın on kat azalacağını tahmin ediyorlar.

AI ölçümleri yürüttüğü, veri topladığı ve analizi gerçekleştirdiği için, bu aynı zamanda bir araştırmacının deneyi yürütmek için ihtiyaç duyduğu bilgi miktarını da azaltır. Araştırmacının odaklanması gereken tek şey AI’yı çalıştırmaktır.

Diğer bir fayda, bilim adamlarına uzaktan çalışma yeteneği sağlamaktır. SLAC Ulusal Hızlandırıcı Laboratuvarı’nda araştırmacı olan Apurva Mehta, “Bu, laboratuvarda bulunmadan hala çalışmak ve üretken olmak için bir bilim insanı dalgasının kapılarını açıyor” dedi.

Bu, bilim adamlarının COVID-19 gibi bulaşıcı hastalıklar veya virüsleri içeren araştırmalar üzerinde çalışmak isterlerse, laboratuvardaki deneyleri yapay zekaya güvenerek güvenli ve uzaktan yapabilecekleri anlamına gelebilir.

Şimdilik, araştırmacılar yapay zekayı geliştirmeye devam edecek ve algoritmaları daha karmaşık sorunları çözebilecek hale getirmeye çalışacaklar.

Kusne, “CAMEO bir robot bilimcisinin zekasına sahip ve deneyleri çok verimli bir şekilde tasarlamak, çalıştırmak ve deneylerden öğrenmek için inşa edildi” dedi.

Referans: Nature Communications (2020).
DOI: 10.1038/s41467-020-19597-w
Dergi bilgileri: Nature Communications
Ulusal Standartlar ve Teknoloji Enstitüsü tarafından sağlanmıştır.

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.