AI muudab materjaliteaduse revolutsiooniliseks: õpilased avastavad uusi teid!

AI muudab materjaliteaduse revolutsiooniliseks: õpilased avastavad uusi teid!

AI-d kasutatakse materjalide ja nende rakenduste uurimisel üha enam väärtusliku vahendina. Selle näiteks on materjaliinstituudi üliõpilaste uurimisrühm materjaliinformaatika, millest kasvab kaks pühendunud üliõpilast, Claas Hardt ja Karina Kaidarova. Keskkonnainseneri magistrantuuri lõpetav Hardt töötas välja tehisintellekti programmi metallipulbri osakeste mikrostruktuuride kujutiste klassifitseerimiseks. Seda uuenduslikku tööd jätkab nüüd Kaidarova oma bakalaureusetöös, mis keskendub erinevast materjaliperekonnast erinevale materjalile. Ta kasutab Hardti töö tulemusi ja väljatöötatud tehisintellekti programmi enda uurimiseesmärkide saavutamiseks. See näitab materjaliteaduse teooria ja praktika tihedat seost.

Dr Santiago Benito juhitud üliõpilaste uurimisrühm mitte ainult ei edenda üliõpilastevahelist vahetust, vaid võimaldab ka potentsiaalseid ühiseid teaduspublikatsioone. Rühm pakub laia valikut uurimisvaldkondi, sealhulgas mikrostruktuuride klassifikatsiooni, mis on üks neljast selle uurimistöö põhifookusest. Kaidarova hindab, et tänu Hardti ettevalmistustööle ei pea ta alustama nullist, mis lühendab oluliselt tema uurimistöö arendusaega.

Uuenduslikud meetodid mikrostruktuuri iseloomustamisel

Uurimismaastikku kuuluv grupp “Täiustatud mikrostruktuuri iseloomustus” tegeleb süvitsi kolmemõõtmelise materjali struktuuri kvantitatiivse analüüsiga. Selles uuringus kasutatakse nii klassikalisi 2D-meetodeid kui ka kaasaegseid tomograafilisi tehnikaid. Eesmärk on mõista materjalide tootmisprotsesse ja määrata kindlaks konkreetsete omaduste jaoks optimaalsed struktuurid. Töö mitmefaasiliste teraste ja valatud alumiiniumisulamitega on selle rühma praegused projektid. Eriti tähelepanuväärne on interdistsiplinaarne koostöö arvutiteadusega, et töötada välja uuenduslikud pilditöötluse ja struktuuride klassifitseerimise meetodid.

Nende kaasaegsete analüüsimeetodite otsustavaks eeliseks on materjali struktuuri terviklik iseloomustus, mis võimaldab teha järeldusi materjali efektiivsete omaduste kohta. See toob kaasa parema korrelatsiooni töötlemise ja omaduste vahel, mis on oluline materjalide edasiarendamiseks.

Tehisintellekt kui progressi teerajaja

Tehisintellekt mängib materjaliteaduses üha suuremat rolli ning muudab põhjalikult materjalide avastamist ja nende omaduste uurimist. AI-toega protsesside arendamine soodustab innovatsiooni ja tõhusust. Tehisintellekt võib oluliselt vähendada uute materjalide avastamiseks kuluvat aega, sageli kuni 70 protsenti, saavutades samal ajal üle 90 protsendi ennustustäpsuse. AI-d ei kasutata ainult materjalide avastamiseks, aga ka omaduste ennustavaks modelleerimiseks ja projekteerimisprotsesside optimeerimiseks. Sellel on oluline mõju materjaliteaduse edasisele arengule, kuna protsessid muutuvad kiiremaks ja täpsemaks.

Kaidarova plaanib materjalide ja tehisintellekti uurimist jätkata ka pärast bakalaureusetööd ning näeb üliõpilaste uurimisrühmas väärtuslikku platvormi oma teaduslikuks arenguks. Samuti on Hardti eesmärk jätkata oma magistritöös mikrostruktuuride klassifitseerimise teemaga tegelemist ja jääb grupis aktiivselt kaasa lööma. Nende ühised jõupingutused ei näita mitte ainult interdistsiplinaarse koostöö väärtust, vaid ka olulisi edusamme, mida saab teha tehisintellekti rakendamisel materjaliteaduses.

Need arengud ei ole edusammud ainult üksikute üliõpilaste jaoks, vaid võivad olla olulised ka kogu tööstuse edusammude jaoks. Student Research Group on näide materjaliuuringute innovatsioonist, mis on inspireeritud kaasaegsetest tehnoloogiatest ja teaduskoostööst.