Os Anexes são encontrados nas placas de substituição e osso do joelho, material de aeronave e conversor de catalisador, vários elementos principais conhecidos como Alleo (MPEA) estão prestes a se tornar mais fortes através da inteligência artificial.
Shankate Deshmukh, Professor Associado de Engenharia Química e sua equipe projetou um novo MPEA com uma propriedade mecânica mais alta usando uma estrutura orientada a dados que melhora o poder super computador da inteligência artificial explicativa (IA). Suas perguntas apoiadas pela National Science Foundation foram publicadas recentemente na Nature NpjO
“Esta tarefa mostra como a estrutura orientada a dados e os materiais explicativos de IA podem desbloquear novas possibilidades no design”, disse Deshmukh. “Ao integrar o aprendizado de máquina, o algoritmo evolutivo e a validade experimental, não estamos apenas acelerando a invenção da mistura avançada de metal, mas também criando ferramentas que podem se estender a materiais complexos, como glacáricicos – materiais de polímero de carboidratos”.
Combinação primária, recursos extraordinários
Os MPEAs são valiosos devido às suas características mecânicas excepcionais e versatilidade. Com três ou mais ingredientes metálicos, esses alguliis são projetados para resistir ao calor, energia, vista e corrosão e desgaste. Como eles podem tolerar situações extremas por um longo tempo que o Altogel tradicional, eles são ideais para aplicações no espaço, dispositivos de tratamento e tecnologia de energia renovável.
O objetivo inicial da equipe era desenvolver uma nova liga com maior potência mecânica do que o modelo atual.
Dition Happended, o design da MPEA está envolvido em testes e defeitos, lentos e caros. No entanto, o MPEA está explorando o enorme potencial do design da MPEA usando o Deshmukh e sua equipe explicando a IA. Uma das principais diferenças entre a IA padrão e a IA interpretável é que os modelos tradicionais de IA das marés geralmente se comportam como “Black Box” – eles fazem previsões, mas nem sempre entendemos como ou por que essas previsões são feitas. A explicação do modelo de IA aborda esse limite por insights no processo de tomada de decisão.
Neste trabalho, a parte usa uma técnica chamada Shap (Shapla Adivative Explication) para explicar as previsões feitas pelo seu modelo de IA. Os membros deste grupo conseguiram entender como diferentes elementos e seu ambiente local afetam as características da MPEA. Como resultado, eles alcançaram não apenas o significado certo, mas também insights científicos valiosos.
A IA pode prever rapidamente os novos recursos do MPEA com base em sua composição e otimizar a combinação de material para aplicações específicas. Usando grandes conjuntos de dados de teste de teste e simulações, a IA pode ajudar a explicar o comportamento mecânico do MPEA, orientar o design de novos aloges avançados.
“A IA interpretável acelera nossa compreensão do comportamento mecânico da MPEA. Ele pode transformar o design de substâncias tradicionais caras de tentativa e influenciado em um processo mais previsível e perspicaz”, Fang “Toby” Wang, engenharia química do projeto e engenharia e pesquisador do pesquisador. “Na combinação de nosso fluxo de trabalho de design, aprendizado de máquina avançado e algoritmo evolutivo, a invenção de vários materiais avançados oferece uma forte abordagem para a estrutura dos materiais e a interpretação dos materiais”.
Ao quebrar o avanço da cooperação
Filiais e organizações se uniram a parceiros sobre o assunto da pesquisa em todo o país:
- Tyrell McQueen, professor de materiais e engenharia da Universidade de Johns Hopkins
-
Maran Roman, professor de biômetro sustentável da Virginia Tech e diretor da Glymip, uma plataforma inovadora material da National Science Foundation
“Esta interdisciplina que trabalha em um projeto é uma interdisciplina”, Alana Iwani, estudante de graduação na ciência e engenharia de materiais de Johns Hopkins, disse que as misturas foram sintetizadas e testadas. “Este trabalho preenche dois campos: biômetro e materiais inorgânicos sintéticos. É emocionante obter resultados significativos para ambos os grupos”.
Inicialmente, depois de se concentrar nesses sistemas sem solventes, o compatriota e sua equipe já estenderam essa estrutura de cálculo para projetar materiais mais complexos, como novos glicateriais, como adições de alimentos, itens de cuidados pessoais, produtos de saúde e materiais de embalagem. Esses avanços não apenas destacam a tradução deste estudo, mas também abrem o caminho para o progresso futuro na ciência e na biotecnologia.
“Nossa interdisciplina não apenas permite que nossas ferramentas e plataformas transferíveis se desenvolvam através das plataformas inovadoras de dois materiais da National Science Foundation, mas também a interseção de cálculos, síntese e recursos podem impulsionar a conversão para os candidatos científicos e do mundo real”, disse Deshmukh.
