AI sukelia revoliuciją medžiagų moksle: mokiniai tyrinėja naujus kelius!

AI sukelia revoliuciją medžiagų moksle: mokiniai tyrinėja naujus kelius!

AI vis dažniau naudojamas kaip vertingas įrankis tiriant medžiagas ir jų pritaikymą. To pavyzdys yra Medžiagų instituto Medžiagų informatikos studentų tyrimų grupė, kurioje dirba du atsidavę studentai Claas Hardt ir Karina Kaidarova. Hardtas, baigiantis aplinkos inžinerijos magistro studijas, sukūrė dirbtinio intelekto programą, skirtą metalo miltelių dalelių mikrostruktūrų vaizdų klasifikavimui. Šį novatorišką darbą dabar tęsia Kaidarova savo bakalauro darbe, kuriame pagrindinis dėmesys skiriamas kitai medžiagai iš skirtingos medžiagų šeimos. Ji naudojasi Hardto darbo rezultatais ir sukurta AI programa, kad pasiektų savo tyrimo tikslus. Tai rodo glaudų ryšį tarp teorijos ir praktikos medžiagų mokslo srityje.

Dr. Santiago Benito vadovaujama Studentų tyrimų grupė ne tik skatina studentų mainus, bet ir leidžia publikuoti bendras mokslines publikacijas. Grupė siūlo platų tyrimų sričių spektrą, įskaitant mikrostruktūrų klasifikaciją, kuri yra išskiriama kaip viena iš keturių pagrindinių šio tyrimo krypčių. Kaidarova apskaičiavo, kad dėl Hardto parengiamojo darbo jai nereikia pradėti nuo nulio, o tai žymiai sutrumpina tyrimo kūrimo laiką.

Inovatyvūs mikrostruktūrų apibūdinimo metodai

„Išplėstinė mikrostruktūros charakteristika“ grupė, kuri yra tyrimo kraštovaizdžio dalis, išsamiai nagrinėja trimatės medžiagos struktūros kiekybinę analizę. Šiame tyrime naudojami ir klasikiniai 2D metodai, ir šiuolaikiniai tomografiniai metodai. Tikslas – suprasti medžiagų gamybos procesus ir nustatyti optimalias konkrečias savybes atitinkančias struktūras. Darbas su daugiafaziu plienu ir aliuminio lydiniais yra dabartiniai šios grupės projektai. Ypač vertas dėmesio tarpdalykinis bendradarbiavimas su kompiuterių mokslu kuriant novatoriškus vaizdo apdorojimo ir struktūrų klasifikavimo metodus.

Esminis šių šiuolaikinių analizės metodų pranašumas yra visapusiškas medžiagos struktūros apibūdinimas, leidžiantis daryti išvadas apie efektyvias medžiagos savybes. Tai lemia geresnę koreliaciją tarp apdorojimo ir savybių, kuris yra aktualus tolesniam medžiagų kūrimui.

Dirbtinis intelektas kaip pažangos pradininkas

Dirbtinis intelektas vaidina vis didesnį vaidmenį medžiagų moksle ir iš esmės keičia medžiagų atradimo ir jų savybių tyrimo būdus. DI palaikomų procesų kūrimas skatina inovacijas ir efektyvumą. Dirbtinis intelektas gali labai sutrumpinti laiką, kurio reikia naujoms medžiagoms atrasti, dažnai net iki 70 procentų, o numatymo tikslumas siekia daugiau nei 90 procentų. AI naudojamas ne tik medžiagų atradimui, bet ir nuspėjamajam savybių modeliavimui bei projektavimo procesų optimizavimui. Tai turi reikšmingų pasekmių būsimai medžiagų mokslo raidai, nes procesai tampa greitesni ir tikslesni.

Kaidarova planuoja toliau tyrinėti medžiagas ir dirbtinį intelektą po bakalauro baigiamojo darbo ir mano, kad Studentų tyrimų grupė yra vertinga platforma savo mokslinei plėtrai. Hardtas taip pat siekia toliau dirbti su mikrostruktūrų klasifikavimo tema magistro darbe ir toliau aktyviai dalyvaus grupės veikloje. Jų kolektyvinės pastangos parodo ne tik tarpdisciplininio bendradarbiavimo vertę, bet ir didelę pažangą, kurią galima pasiekti taikant AI medžiagų moksle.

Šie pokyčiai yra ne tik pažanga atskiriems studentams, bet ir gali būti labai svarbūs visos pramonės pažangai. Studentų tyrimų grupė – tai veržlumo į inovacijas medžiagų tyrimų srityje pavyzdys, kurį įkvėpė šiuolaikinės technologijos ir mokslinis bendradarbiavimas.