Araba lastikleri, plastik torbalar ve köpük yastıkları gibi günlük ürünler, gelişip test edilmesi yıllar alabilen polimer adı verilen malzemelerden gelir. Carnegie Mellon Üniversitesi ve Chapel Hill’deki North Carolina Üniversitesi’ndeki araştırmacılar, yapay zekayı insan uzmanlığıyla birleştirerek daha hızlı kauçuk benzeri malzemeler yaratmak için yeni bir yaklaşım geliştirdiler.
Tipik olarak, araştırmacılar bir malzemeyi daha güçlü hale getirdiklerinde, daha az esnek hale gelirken, esnek malzemeler zayıf olma eğilimindedir. Bu sorunu çözmek için ekip, insan kimyagerlerle birlikte çalışan bir makine öğrenme modeli oluşturdu. Makine öğrenimi – AI araştırmasının bir alt kümesi – belirli bir görevi yerine getirmesi için yapay bir zeka öğretmeyi teşvik eder. Bir deneyde, araştırmacılar hem güçlü hem de esnek bir polimer oluşturmak için AI aracıyla işbirliği yaptı.
Olexandr (Oles) Isayev, Carl ve Amy Jones profesörü disiplinlerarası bilimde “Polimerler için çok fazla uygulama var: inşaat, araba parçaları, ayakkabı, pervazlar, kaplamalar” dedi. “Belirli bir uygulama için bir tane yaptığınızda, belirli özelliklere ihtiyacı vardır ve genellikle aynı anda kuvvete dayanamaz ve genişleyemez. Bu yeni malzemeler mükemmel özelliklere sahiptir. Her ikisini de yapabilirler.”
Grup, bir polimerde istediği özellikleri tasarım aracına girer. Daha sonra, model UNC-Chapel Hill kimyagerlerinin otomatik bilim araçları kullanılarak gerçekleştirdiği bir dizi deney önerdi.
Araştırmacılar üretilen materyalleri test etti ve modele geri bildirim sağladı, böylece ayarlamalar yapabilir. Çalışma dergide yayınlandı Angewandte Chemie International Edition.
Iayev, “AI sistemi bir deney öneriyor ve deney yapıldıktan sonra özellikleri ölçüyoruz ve yineleniyoruz.” Dedi. “Makinenin istenen özelliklere sahip malzemeleri bulmak için gezinmesine yardımcı olabilir ve yardımcı olabilirsiniz.”
UNC-Chapel Hill’de kimya profesörü Frank Leibfarth, bu yeni şekilde çalışmanın temiz bir nefes olduğunu söyledi. Leibfarth, “İnsan yükseltilmiş yaklaşımımızda, sadece talimat almakla kalmayıp modelle etkileşime giriyorduk.” Dedi. Diyerek şöyle devam etti: “Bu, optimal çözüme gelmek için insan ve makine güdümlü süreçlerin en iyi yönlerini birleştirmemizi sağladı.”
Leibfarth ayrıca polimer için potansiyel uygulamalar için heyecanlandığını söyledi. Leibfarth, “Bunun gibi malzemeler koşu ayakkabılarında, 3D baskılı diş implantları gibi tıbbi cihazlarda ve otomobiller için dayanıklı parçalarda kullanılabilir.” Dedi.
Michigan Eyalet Üniversitesi’nde kimya mühendisliği ve malzeme bilimi yardımcı doçenti olan Carnegie Mellon Kimya Bölümü’nde eski doktora sonrası adam olan Dylan Anstine, “Kimya ve kimya mühendisliğinde bu gerçekten ilginç bir zamandayız.
Diyerek şöyle devam etti: “Bunun en iyi veri bilimi araçlarını kullanarak uzman deneysel kimyagerleri ve uzman hesaplama kimyagerlerini içereceği açık. Bu ilişkinin neye benzediğini gerçekten parçalıyorduk.”
Makine öğrenme modeli, çalışmayacak yöntemleri ve kimyasalları yöneterek araştırmacıların önemli zaman ve para kazandırdı. Araştırmacılar programı açık kaynak haline getirdiler, böylece herhangi bir laboratuvar bu araca erişebilir. Diğer laboratuvarlarda kabul edilirse, araç diğer keşifler için gereken maliyeti ve süreyi azaltabilir.
Bu yaklaşım, tıbbi cihazlar, ayakkabılar ve elektronikler için gelişmiş malzemelerin geliştirilmesini hızlandırabilir. AI tahminlerini insan uzmanlığıyla birleştirerek, araştırmacılar karmaşık malzemeler zorluklarını daha etkili bir şekilde çözebileceklerini umuyorlar.
