الذكاء الإصطناعي ARTIST  يتعرف علي خصائص المواد في التحليل الطيفي

10

طور الباحثون في جامعة Aalto والجامعة التقنية في الدنمارك ذكاءً إصطناعياً (AI) لتسريع تطوير تقنيات جديدة من الإلكترونيات التي يتم تثبيتها على الألواح الشمسية المرنة. يحدد ARTIST, الذي يرمز إلى الذكاء الإصطناعي من أجل التحليل الطيفي, على الفور كيف سيتفاعل الجزيء مع شعاع الضوء الخفيف لخلق المواد المصممة اللازمة لتكنولوجيا الغد.

يدرس العلماء تقليديًا التفاعلات الجزيئية للمثيرات الخارجية مع التحليل الطيفي, وهي طريقة مستخدمة على نطاق واسع في العلوم الطبيعية والصناعية. يقوم التحليل الطيفي بالتحقق من الخصائص الداخلية للمواد عن طريق ملاحظة إستجابتها للضوء على سبيل المثال, وقد أدى ذلك إلى تطوير تقنيات يومية لا حصر لها. يمكن أن تكون مناهج التحليل الطيفي التجريبية والحسابية مع ذلك مكلفة بشكل لا يصدق. إن الوقت في المختبرات عالية التخصص مكلف وغالباً ما يكون محدود للغاية, في حين أن الحسابات يمكن أن تكون مملة وطولية زمنياً.

مع ARTIST, يقدم فريق البحث نقلة نوعية فى كيفية تحديد الأطياف – أو الإستجابة للضوء – للجزيئات الفردية.

عادة, للعثور على أفضل الجزيئات للأجهزة, يجب علينا الجمع بين المعرفة السابقة مع بعض درجة الذكاء في تحديد التفاعلات الكيميائية. ومن ثم, فإن فحص أطيافها الفردية هو عملية تجريبية يمكن أن تمتد لأسابيع أو شهور, إعتمادًا على عدد الجزيئات التي قد تناسب العمل. يقول Milica Todorovic, باحث الدكتوراه في جامعة Aalto, “إن الذكاء الإصطناعي الخاص بنا يعطينا هذه الخصائص على الفور”.

بسرعة وبدقة, ARTIST لديه القدرة على تسريع تطوير الإلكترونيات المرنة, بما في ذلك إلكترونيات LED وإستكمالًا للبحث الأساسي يمكن لخوارزمية ARTIST أيضًا أن تسرع عملية إنتاج بطاريات ومواد أفضل, بالإضافة إلى إنشاء مركبات جديدة بألوان مختارة بعناية.

قام الفريق متعدد التخصصات بتدريب الذكاء الإصطناعي في غضون أسابيع قليلة مع مجموعة بيانات تضم أكثر من 132 ألف جزيء عضوي. يمكن لخوارزمية ARTIST أن تتنبأ بدقة عالية للغاية, كيف ستستجيب هذه الجزيئات – وما شابهها في الطبيعة – إلى شعاع من الضوء. يأمل الفريق الآن في توسيع قدراته من خلال تدريب ARTIST مع المزيد من البيانات لجعل الأداة أكثر قوة.

يوضح Patrick Rinke أستاذ جامعة Aalto “توجد كميات هائلة من معلومات التحليل الطيفي في المختبرات في جميع أنحاء العالم. نريد أن نستمر في تدريب ARTIST بمجموعات بيانات كبيرة أخرى بحيث يمكن أن نتعلم بشكل مستمر في يوم من الأيام مع توفر المزيد والمزيد من البيانات”.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://www.eurekalert.org/pub_releases/2019-01/au-aia013019.php

 

 

تعليقات