Naukowcy z Ilmenau rewolucjonizują naukę o materiałach za pomocą sztucznej inteligencji!

Naukowcy z Ilmenau rewolucjonizują naukę o materiałach za pomocą sztucznej inteligencji!

23 września 2025 r. naukowcy z Politechniki w Ilmenau zaprezentowali znaczące postępy w badaniach materiałowych. Opracowując graficzną sieć uwagi, która może zarówno przewidywać, jak i dostarczać interpretowalne wyniki, rozpoczynają nową erę sztucznej inteligencji w nauce. Badanie, które opiera się na kompleksowym zestawie danych obejmującym 10 000 widm optycznych obliczonych metodą mechaniki kwantowej, przeprowadzono w klastrze HPC na TU Ilmenau i reprezentuje innowacyjne podejście do analizy materiałów. TU Ilmenau podaje, że model ten jest w stanie wygenerować zrozumiałą „mapę” przestrzeni materialnej.

Zespół wykorzystuje UMAP (Uniform Manifold Approximation and Projection) do wizualizacji danych wielowymiarowych. To pokazuje, jak sieć kategoryzuje materiały na podstawie ich zasad chemicznych. Max Großmann, współautor badania, podkreśla, że ​​stanowi to znaczący postęp w kierunku interpretowalnej sztucznej inteligencji w materiałoznawstwie. Te nowe metody umożliwiają bardziej precyzyjną identyfikację materiałów, poprawiając nie tylko szybkość, ale także dokładność przewidywań.

Innowacyjne techniki badań materiałowych

W badaniu wykorzystano uczenie się transferowe w celu dostosowania już przeszkolonych modeli do nowych zadań. Dane przybliżone służą do wstępnego dostosowania modelu. Precyzyjne dane RPA następnie udoskonalają przewidywania. Zdaniem prof. Ericha Runge, innego współautora, nowoczesne algorytmy stanowią obiecujące podejście do rozwiązywania problemów nauki o materiałach. Ich przewidywania są nie tylko dokładne, ale także zbliżone do wyników eksperymentalnych, co ułatwia zrozumienie podstawowych zasad.

Kolejnym kluczowym aspektem badania jest potencjał przyspieszenia rozwoju nowych zrównoważonych materiałów. Mogłoby to skutkować materiałami, które na przykład umożliwiają wydajniejsze przekształcanie światła słonecznego w energię elektryczną, co jest szczególnie ważne w czasach zmian klimatycznych i transformacji energetycznej.

Graph Attention Networks – nowy wymiar sztucznej inteligencji

Zasadniczą częścią badań jest podstawa, na której opiera się grafowa sieć uwagi, stworzona przez innych naukowców, takich jak Petar Veličković i jego współpracownicy. Ich praca, opublikowana w artykule zatytułowanym „Graph Attention Networks”, opisuje nowe architektury sieci neuronowych dla danych o strukturze grafowej. Architektury te wykorzystują zamaskowane warstwy samouważne, aby przezwyciężyć niektóre wady poprzednich metod opartych na splotach grafów. Wyniki są imponujące; Modele GAT osiągnęły znakomite wyniki w czterech głównych testach porównawczych grafów transdukcyjnych i indukcyjnych, takich jak Cora i Pubmed. arxiv dokumentuje ten niezwykły rozwój.

Połączenie tych innowacyjnych podejść nie tylko stanowi krok w przyszłość inżynierii materiałowej, ale także pokazuje, jak sztuczna inteligencja i uczenie maszynowe mogą zrewolucjonizować istniejące procesy. Nowe metody i modele stwarzają jasną perspektywę na wyzwania i możliwości, jakie w nadchodzących latach przyniesie odpowiedzialne wykorzystanie zasobów.

Oryginalne publikacje, które bardziej szczegółowo wyjaśniają te zmiany, to:
– M. Grunert, M. Großmann, E. Runge, „Uczenie maszynowe wspina się po drabinie Jacoba właściwości optoelektronicznych”, Nat. komuna. 16, 8142 (2025).
– M. Grunert, M. Großmann, E. Runge, „Odkrycie materiałów o zrównoważonej energii poprzez przestrzeń materiałów uczonych maszynowo”, Mały, 2412519 (2025).