አጠቃላይ እይታ
AI የትኛዎቹ አዳዲስ ቁሶች ሊኖሩ እንደሚችሉ ይተነብያል፣ ይረጋጉ እና ጠቃሚ ባህሪያት፣ ይህም በተቻለ ውህዶች ማለቂያ በሌለው ቦታ ፍለጋውን በእጅጉ ይቀንሳል። ትክክለኛውን ቁሳቁስ ለማግኘት አሥርተ ዓመታት የሚወስድባቸው ባትሪዎች፣ የፀሐይ ህዋሶች፣ ሱፐርኮንዳክተሮች እና ማበረታቻዎች አስፈላጊ ነው።
AI in Materials Discovery በተግባራዊ ማሰማራት ላይ ያተኩራል፡ የሞዴል አቅምን ወደ አስተማማኝ ዕለታዊ የስራ ፍሰቶች በመቀየር ሊለካ የሚችል እሴት።
ጥልቅ ዳይቭ
በተለምዶ፣ አዲስ ነገር ማግኘት ማለት ቀርፋፋ የሙከራ-እና-ስህተት ውህደት ወይም ውድ የኳንተም-ሜካኒካል ማስመሰያዎች ማለት ነው። AI ሁለቱንም ጫፎች ያፋጥናል. የግራፍ ነርቭ ኔትወርኮች ክሪስታልን እንደ አቶሞች (አንጓዎች) እና ቦንዶች (ጠርዞች) ይወክላሉ እና እንደ የምስረታ ሃይል፣ የባንድ ክፍተት፣ ወይም conductivity ያሉ ባህሪያትን በሚሊሰከንዶች ከሰዓታት ጥግግት ተግባራዊ ቲዎሪ ይልቅ መተንበይ ይማሩ። የጄነሬቲቭ ሞዴሎች ሙሉ ለሙሉ አዲስ የእጩ አወቃቀሮችን ያቀርባሉ፣ እና AI በሚሊዮኖች ለሚቆጠሩት በቤተ ሙከራ ውስጥ ሊሰሩ የሚገባቸውን ጥቂቶች እንዲጠቁሙ ያደርጋል። እ.ኤ.አ. በ2023 DeepMind's GNOME በመቶ ሺዎች የሚቆጠሩ የተተነበዩ የተረጋጋ ክሪስታሎች ሪፖርት አድርጓል፣ እና Microsoft's MatterGen በተፈለጉ ንብረቶች ላይ የተስተካከሉ አወቃቀሮችን ማመንጨት አሳይቷል። እነዚህ ሞዴሎች ሮቦቶች ውህደታቸውን የሚያጠናቅቁበት እና ከፍተኛ እጩዎችን በራስ ሰር የሚፈትኑበት ራስን የሚነዱ ላብራቶሪዎችን እየጨመሩ ነው።
ቴክኒካዊ ግንዛቤ
እንደ ግራፍ ኔትወርኮች ያሉ የክሪስታል-ንብረት ሞዴሎች የፊዚክስ ሲምሜትሪ ያከብራሉ፡ ለመተርጎም፣ ለማሽከርከር ወይም አተሞችን ለመሰየም የማይለዋወጡ ናቸው፣ ይህም ትንበያዎችን በአካል ወጥነት ያለው እና መረጃ ቆጣቢ ያደርገዋል። አንድ የተለመደ የቧንቧ መስመር በሚሊዮኖች ለሚቆጠሩ እጩዎች ደረጃ ለመስጠት ፈጣን የነርቭ ምትክ ይጠቀማል፣ከዚያም ምርጡን በ density functional theory ያረጋግጣል፣ እና በመጨረሻም ጥቂቶችን ያዋህዳል። ይህ ፍንጭ የማይታለፍ ፍለጋን ወደ ትራክት እጩዎች ዝርዝር ይለውጠዋል ጠንካራ የፊዚክስ ፍተሻዎችን መጨረሻ ላይ ይጠብቃል።
በቁሳቁሶች ግኝት ውስጥ AIን መቆጣጠር
AI የትኛዎቹ አዳዲስ ቁሶች ሊኖሩ እንደሚችሉ ይተነብያል፣ ይረጋጉ እና ጠቃሚ ባህሪያት፣ ይህም በተቻለ ውህዶች ማለቂያ በሌለው ቦታ ፍለጋውን በእጅጉ ይቀንሳል። ትክክለኛውን ቁሳቁስ ለማግኘት አሥርተ ዓመታት የሚወስድባቸው ባትሪዎች፣ የፀሐይ ህዋሶች፣ ሱፐርኮንዳክተሮች እና ማበረታቻዎች አስፈላጊ ነው። AI in Materials Discovery በተግባራዊ ማሰማራት ላይ ያተኩራል፡ የሞዴል አቅምን ወደ አስተማማኝ ዕለታዊ የስራ ፍሰቶች በመቀየር ሊለካ የሚችል እሴት። ጥልቅ ግንዛቤን ለመገንባት፣ AI in Materials Discoveryን እንደ የክወና ሞዴል ይያዙት እንጂ አንድ ባህሪ አይደለም፡ የሚፈለጉትን ውጤቶች ይግለጹ፣ ግምቶችን ያብራሩ እና ስርዓቱ አሁንም የባለሙያዎችን ፍርድ ከሚያስፈልገው ነገር ለይ።
በተግባር፣ AI in Materials Discovery የሚጠቀሙ ጠንካራ ቡድኖች የሚያተኩሩት በሞዴል ማሳያዎች ሳይሆን በስራ ፍሰት ውጤቶች ላይ ነው፣ እና የሰውን የፍተሻ ነጥቦችን ቀደም ብለው ይገልፃሉ። ግልጽ የስኬት መስፈርቶችን ይመዘግባሉ፣ በተጨባጭ መረጃ እና የስራ ፍሰቶች ላይ ይፈትሻሉ፣ እና የአንድ ጊዜ ቤንችማርክ ከማሸነፍ ይልቅ በተስተዋሉ የውድቀት ቅጦች ላይ ተመስርተው ይደግማሉ። ይህ የንድፈ ሃሳባዊ ግንዛቤ በምርት፣ ፖሊሲ እና ኦፕሬሽኖች ላይ ወደ ዘላቂ አቅም የሚቀየርበት ነው።
የመተግበሪያ ደረጃ ንድፍ AI እውነተኛ ውጤቶችን የሚያሻሽል መሆኑን ይወስናል። በተመሳሳይ ጊዜ, የተበላሸ ሂደትን በራስ-ሰር ማድረግ አሁን ያሉትን ችግሮች ሊያሰፋ ይችላል. በጣም ጠንካራው አካሄድ የሙከራ ፍጥነትን ከአስተዳደር ዲሲፕሊን ጋር ማጣመር ነው፡ አብራሪዎችን ማስኬድ፣ ማስረጃን መያዝ፣ የውሳኔ ምዝግብ ማስታወሻዎችን ማተም እና የሞዴል ባህሪ፣ የተጠቃሚ የሚጠበቁ እና የቁጥጥር መስፈርቶች ሲዳብሩ ጥበቃዎችን ያለማቋረጥ ማዘመን ነው።
ስልታዊ ተጽእኖ
የመተግበሪያ ደረጃ ንድፍ AI እውነተኛ ውጤቶችን የሚያሻሽል መሆኑን ይወስናል።
የመተግበሪያ ደረጃ ንድፍ AI እውነተኛ ውጤቶችን የሚያሻሽል መሆኑን ይወስናል። ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
ጥሩ የስራ ፍሰት ውህደት ተጠቃሚዎች የሚያምኑትን የምርታማነት ትርፍ ይፈጥራል።
ጥሩ የስራ ፍሰት ውህደት ተጠቃሚዎች የሚያምኑትን የምርታማነት ትርፍ ይፈጥራል። ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
በጥሩ ሁኔታ ጥቅም ላይ የዋሉ ጉዳዮች የለውጥ ድካም እና የመተግበር አደጋን ይቀንሳሉ.
በጥሩ ሁኔታ ጥቅም ላይ የዋሉ ጉዳዮች የለውጥ ድካም እና የመተግበር አደጋን ይቀንሳሉ. ከፍተኛ ጥራት ባለው ማሰማራት ውስጥ፣ ይህ ወደሚለካ የአሠራር ደንቦች፣ የባለቤትነት ወሰኖች እና ተደጋጋሚ የግምገማ ሥነ ሥርዓቶች ይተረጎማል ስለዚህ ቡድኖች አሻሚነትን ከማስፋት ይልቅ በራስ መተማመንን ሊጨምሩ ይችላሉ።
የእውነተኛ-ዓለም አተገባበር
DeepMind's GNOME በመቶ ሺዎች የሚቆጠሩ አዳዲስ የተረጋጋ ክሪስታል አወቃቀሮችን በመተንበይ እና የታወቁ የቁሳቁስ ዳታቤዞችን እያሰፋ ነው።
በማሽን የተማረ የኢንተርአቶሚክ አቅም በፍጥነት፣ በዲኤፍቲ አቅራቢያ-ትክክለኛነት ያለው ሞለኪውላዊ ተለዋዋጭ ለ alloys እና electrolytes
እንደ MatterGen ያሉ የማመንጨት ሞዴሎች ለተፈለገው ባንድ ክፍተት ወይም መግነጢሳዊ ንብረቱ ላይ ያነጣጠሩ ክሪስታሎችን ያቀርባሉ
AI እጩዎችን የሚመርጥበት እና ሮቦቶች ራሳቸውን የሚያዋህዱበት እና ተለይተው የሚታወቁበት በራስ የሚሽከረከሩ ላቦራቶሪዎች (ለምሳሌ፣ A-Lab)
የትግበራ ቅጦች
AI በቁስ መገኘት በተግባር
DeepMind's GNOME በመቶ ሺዎች የሚቆጠሩ አዳዲስ የተረጋጋ ክሪስታል አወቃቀሮችን በመተንበይ እና የታወቁ የቁሳቁስ ዳታቤዞችን እያሰፋ ነው።
DeepMind's GNOME በመቶ ሺዎች የሚቆጠሩ አዳዲስ የተረጋጋ ክሪስታል አወቃቀሮችን መተንበይ እና የታወቁ የቁሳቁስ ዳታቤዞችን ማስፋፋት ቡድኖች አብዛኛውን ጊዜ የጥራት ደረጃዎችን ፊት ለፊት ሲገልጹ የተሻለ ውጤት ያገኛሉ፣ ለዳር ጉዳዮች የሰው ልጅ እድገት መንገድን ይጠብቃሉ፣ እና ሁለቱንም የምርታማነት ትርፍ እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
AI በቁስ መገኘት በተግባር
በማሽን የተማረ ኢንተርአቶሚክ አቅም በፍጥነት፣ በዲኤፍቲ አቅራቢያ-ትክክለኛነት ያለው ሞለኪውላዊ ተለዋዋጭ ለ alloys እና electrolytes።
በማሽን የተማሩ የኢንተርአቶሚክ አቅም በፍጥነት፣ በዲኤፍቲ አቅራቢያ-ትክክለኛነት ያለው ሞለኪውላዊ ተለዋዋጭነት ለአሎይ እና ኤሌክትሮላይቶች ቡድኖች አብዛኛውን ጊዜ የጥራት ደረጃዎችን ፊት ለፊት ሲገልጹ የተሻለ ውጤት ያገኛሉ፣ ለዳር ጉዳዮች የሰውን እድገት መንገድ ሲይዙ እና ሁለቱንም የምርታማነት ትርፍ እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
AI በቁስ መገኘት በተግባር
እንደ MatterGen ያሉ የማመንጨት ሞዴሎች ለተፈለገው ባንድ ክፍተት ወይም መግነጢሳዊ ንብረቱ ላይ ያነጣጠሩ ክሪስታሎችን ያቀርባሉ።
እንደ MatterGen ያሉ ጄኔሬቲቭ ሞዴሎች ለተፈለገው ባንድ ክፍተት ወይም መግነጢሳዊ ንብረት ላይ ያነጣጠሩ ክሪስታሎችን ሀሳብ ሲያቀርቡ ቡድኖች ብዙውን ጊዜ የጥራት ደረጃዎችን ከፊት ሲገልጹ የተሻለ ውጤት ያገኛሉ፣ ለጫፍ ጉዳዮች የሰውን እድገት መንገድ ሲይዙ እና ሁለቱንም የምርታማነት ትርፍ እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
AI በቁስ መገኘት በተግባር
AI እጩዎችን የሚመርጥበት እና ሮቦቶች ውህደታቸውን የሚያሳዩበት እና ራሳቸውን የሚነድዱ ቤተ ሙከራዎች (ለምሳሌ፣ A-Lab)።
በራስ የመንዳት ላቦራቶሪዎች (ለምሳሌ A-Lab) AI እጩዎችን የሚመርጥበት እና ሮቦቶች ራሳቸውን ችለው የሚያሳዩበት እና የሚለይባቸው ቡድኖች አብዛኛውን ጊዜ የጥራት ደረጃዎችን ፊት ለፊት ሲገልጹ የተሻለ ውጤት ያገኛሉ፣ ለዳር ጉዳዮች የሰው ልጅ እድገት መንገድን ይጠብቃሉ እና ሁለቱንም የምርታማነት ግኝቶችን እና የስህተት ወጪዎችን በጊዜ ሂደት ይከታተላሉ።
አደጋዎች እና የጥበቃ መንገዶች
የተበላሸ ሂደትን በራስ-ሰር ማድረግ አሁን ያሉትን ችግሮች ሊያሰፋ ይችላል.
ቡድኖች ከልክ በላይ አውቶማቲክ ማድረግ እና አስፈላጊውን የሰው ፍርድ ሊያስወግዱ ይችላሉ።
ውጤቶች በተከታታይ ካልተገመገሙ ጥራቱ ሊንሸራተት ይችላል።
የትግበራ ፍኖተ ካርታ
የአሁኑን የስራ ፍሰት ካርታ እና ከፍተኛ-ግጭት ደረጃን ይለዩ።
የአሁኑን የስራ ፍሰት ካርታ እና ከፍተኛ-ግጭት ደረጃን ይለዩ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
ሙሉ አውቶማቲክ ከመደረጉ በፊት የሰዎችን ፍተሻ ይግለጹ።
ሙሉ አውቶማቲክ ከመደረጉ በፊት የሰዎችን ፍተሻ ይግለጹ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
ተጠቃሚዎችን በጥያቄዎች፣በማሳደጊያ መንገዶች እና በጥራት ደረጃዎች አሰልጥኑ።
ተጠቃሚዎችን በጥያቄዎች፣በማሳደጊያ መንገዶች እና በጥራት ደረጃዎች አሰልጥኑ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።
ዘላቂ እሴትን ለማረጋገጥ የተግባር ደረጃ ውጤቶችን ይከታተሉ።
ዘላቂ እሴትን ለማረጋገጥ የተግባር ደረጃ ውጤቶችን ይከታተሉ። እያንዳንዱን እርምጃ እንደማስረጃ በር ያዙት፡ መመዘኛዎቹ ካልተሟሉ፣ መልቀቅን ለአፍታ አቁም፣ ክፍተቱን ይዝጉ እና ከዚያ ብቻ አጠቃቀምን ያስፋፉ።