Fizik temelli yapay zeka çerçevesi, yeni malzemeler hakkındaki tahminleri daha test edilebilir hale getirmeyi amaçlıyor

Yapay zeka, yeni materyalleri keşfetmek için giderek daha fazla kullanılıyor, ancak geleneksel veri odaklı yaklaşımlar tahminlerini açıklamakta, eğitim verilerinin ötesinde güvenilir bir şekilde çalışmakta ve fiziksel yasalarla tutarlı kalmakta zorluk yaşayabilir. Yeni bir bakış açısı, temel fiziksel bilgiyi malzeme keşif sürecine entegre eden Fizik Temelli Malzemeler AI (PhysMat AI) adı verilen bir çerçeve önermektedir. Araştırma dergide yayınlandı Gelişmiş Fonksiyonel Malzemeler.

Tohoku Üniversitesi İleri Malzeme Araştırmaları Enstitüsü’nün (WPI-AIMR) seçkin profesörü Hao Li, “Malzeme keşfi yalnızca verilerdeki korelasyonlara dayanamaz” diyor. “Fiziksel ilkeleri yapay zekaya dahil ederek tahminlerini malzeme bilimi açısından daha yorumlanabilir, test edilebilir ve anlamlı hale getirebiliriz.”

Malzemelerin davranışı termodinamik, kinetik, elektronik yapı, taşıma süreçleri ve çalışma ortamları gibi faktörler tarafından yönetilir. Araştırmacılar, bu bilginin yapay zeka sistemlerine dahil edilmesinin, malzeme keşfinin korelasyona dayalı tahminin ötesinde, fiziksel ilkelere dayalı akıl yürütmeye doğru ilerlemesine yardımcı olabileceğini savunuyorlar.

Çerçeve, fiziksel bilgiyi beş tamamlayıcı rol halinde düzenler: ön bilgi, tanımlayıcılar, kısıtlamalar, doğrulayıcılar ve altyapı. Bu roller, malzeme verilerinin nasıl temsil edildiğine, yapay zeka modellerinin potansiyel malzemeler hakkında nasıl akıl yürüttüğüne ve tahminlerinin fiziksel ilkelere göre nasıl değerlendirildiğine rehberlik edebilir.

Perspektifte katalizden, katı hal pilleri için katı hal elektrolitlerinden ve hidrojen depolama malzemelerinden örnekler sunulmaktadır. Bu alanlarda fiziksel ilkeler, anlamlı arama alanlarının tanımlanmasına, tahmin edilen materyallerin değerlendirilmesine ve yapay zeka tarafından oluşturulan tahminlerin deneysel olarak test edilebilecek mekanizmalarla ilişkilendirilmesine yardımcı olabilir.

Araştırmacılar ayrıca yapay zeka ajanlarının bu fizik duyarlı bileşenleri bilimsel veritabanları, simülasyonlar ve deneysel verilerle nasıl birleştirebileceğini tartışıyor. Bu tür sistemler hipotezlerin formüle edilmesine, uygun bilimsel araçların seçilmesine ve önerilen materyallerin fiziksel olarak mümkün olup olmadığının değerlendirilmesine yardımcı olabilir.

Araştırmacılar, fiziksel bilgiyi yapay zeka sistemlerine dahil eden fiziğe duyarlı yapay zekadan, bilimsel akıl yürütme sırasında bu bilgiyi kullanabilen fizik akıl yürüten yapay zekaya ve sonunda sürekli bir keşif sürecinde fiziksel akıl yürütmeyi, simülasyonları ve deneyleri entegre edebilen fizik-otonom yapay zekaya kadar bir gelişim yolu öneriyor.

Çerçeve, yapay zeka tabanlı öngörüyü malzeme biliminin yerleşik ilkeleriyle birleştirmenin bir yolunu sunuyor. Daha fazla gelişme, katalizörler, katı hal pilleri ve hidrojen depolama malzemeleri dahil olmak üzere enerji teknolojileri için malzeme keşfini destekleyebilir ve yapay zeka tarafından oluşturulan tahminlerin daha yorumlanabilir ve deneysel olarak test edilebilir olmasına yardımcı olabilir.