Искусственный интеллект помогает быстрее определить состав и свойства материалов
Искусственный интеллект помогает быстрее определить состав и свойства материалов

Искусственный интеллект помогает быстрее определить состав и свойства материалов

Ученые из Англии представили новый метод, в котором ИИ быстро определяет свойства материалов. Система работает так же, как и консилиум ученых.

Исследователи объяснили, что рентгенодифракционный анализ (XRD) играет решающую роль в открытии новых материалов. К примеру, он используется для анализа кристаллических структур новых материалов чтобы выяснить, где они могут применяться. Однако ученые отмечают, что этот метод часто требует ручной обработки, они трудоемкие и не масштабируемые. «Чтобы быстрее открывать и оптимизировать новые материалы с помощью автономных высокопроизводительных экспериментов, необходимы новые методы», — отмечают они.

Теперь команда Ливерпульского университета представила метод, где искусственный интеллект можно использовать для быстрого и точного анализа данных рентгеновского излучения. Это агент искусственного интеллекта под названием Crystallography Companion Agent (XCA). XCA может выполнять автономную фазовую идентификацию по данным XRD во время измерения. Агент подходит как для органических, так и для неорганических материалов. Эти измерения возможны благодаря масштабному моделированию физически корректных данных рентгеновской дифракции, которые используются для обучения алгоритма.

Уникальной особенностью агента, который команда адаптировала под свою задачу, является то, что он умеет сомневаться. Обычно нейронные сети принимают окончательное решение, даже если данные не подтверждают определенный вывод, в то время как ученый не был бы уверен в своих выводах и обсуждал бы результаты с другими исследователями.

«Этот процесс принятия решения в новой модели похож на обсуждение ученых, только в них участвуют несколько моделей ИИ, — отмечают исследователи. — При этом процесс не нуждается в ручных, помеченных человеком данных и надежно работает со многими источниками экспериментальной сложности».

Источник материала
loader
loader