Suche
Mein Konto
Raziskovalci Ilmenaua z AI revolucionirajo znanost o materialih!
Raziskovalci iz Imenaua razvijajo interpretabilno mrežo pozornosti grafov za napoved materiala, ki temelji na 10.000 spektrih.
Raziskovalci Ilmenaua z AI revolucionirajo znanost o materialih!
23. septembra 2025 so raziskovalci na Tehnološki univerzi Ilmenau predstavili pomemben napredek pri raziskavah materialov. Z razvojem mreže pozornosti grafov, ki lahko daje napovedi in daje rezultate, ki jih je mogoče interpretirati, uvajajo novo dobo umetne inteligence v znanosti. Študija, ki temelji na obsežnem naboru podatkov 10.000 kvantno mehansko izračunanih optičnih spektrov, je bila izvedena v HPC grozdu na TU Ilmenau in predstavlja inovativen pristop k analizi materialov. TU Ilmenau poroča, da je ta model sposoben ustvariti razumljiv "zemljevid" materialnega prostora.
Ekipa uporablja UMAP (Uniform Manifold Approximation and Projection) za vizualizacijo visokodimenzionalnih podatkov. To razkriva, kako omrežje kategorizira materiale na podlagi njihovih kemijskih principov. Max Großmann, soavtor študije, poudarja, da to predstavlja pomemben napredek v smeri interpretabilne umetne inteligence za znanost o materialih. Te nove metode omogočajo natančnejšo identifikacijo materialov, s čimer izboljšajo ne le hitrost, temveč tudi natančnost napovedi.
Inovativne tehnike za raziskovanje materialov
Študija uporablja učenje prenosa za prilagajanje že usposobljenih modelov novim nalogam. Grobi podatki se uporabljajo za predhodno prilagoditev modela. Visoko natančni podatki RPA nato izboljšajo napovedi. Po mnenju prof. Ericha Rungeja, drugega soavtorja, sodobni algoritmi kažejo obetavne pristope k reševanju izzivov v znanosti o materialih. Njihove napovedi niso le točne, ampak so tudi blizu eksperimentalnim rezultatom, kar spodbuja razumevanje osnovnih načel.
Drugi ključni vidik študije je potencial za pospešitev razvoja novih trajnostnih materialov. To bi lahko povzročilo materiale, ki na primer omogočajo učinkovitejšo pretvorbo sončne svetlobe v električno energijo, kar je še posebej pomembno v času podnebnih sprememb in energetskega prehoda.
Graf Attention Networks – Nova dimenzija v AI
Temeljni del raziskave je temelj, na katerem temelji mreža pozornosti grafov, ki so jo vzpostavili drugi znanstveniki, kot je Petar Veličković in njegovi kolegi. Njihovo delo, objavljeno v članku z naslovom "Graph Attention Networks", opisuje nove arhitekture nevronskih mrež za grafično strukturirane podatke. Te arhitekture uporabljajo prikrite samopozorne plasti za premagovanje nekaterih pomanjkljivosti prejšnjih metod, ki temeljijo na konvolucijah grafov. Rezultati so impresivni; Modeli GAT so dosegli izjemne rezultate v štirih glavnih merilih uspešnosti transduktivnih in induktivnih grafov, kot sta Cora in Pubmed. arxiv dokumentira ta izjemen razvoj.
Kombinacija teh inovativnih pristopov ne predstavlja le koraka v prihodnost znanosti o materialih, ampak tudi kaže, kako lahko umetna inteligenca in strojno učenje spremenita obstoječe procese. Nove metode in modeli ustvarjajo jasen pogled na izzive in priložnosti, ki jih bo v prihodnjih letih ponudila odgovorna raba virov.
Izvirne publikacije, ki podrobneje pojasnjujejo ta razvoj dogodkov, so:
– M. Grunert, M. Großmann, E. Runge, »Strojno učenje se vzpenja po Jakobovi lestvici optoelektronskih lastnosti«, Nat. Komun. 16, 8142 (2025).
– M. Grunert, M. Großmann, E. Runge, »Odkrivanje trajnostnih energetskih materialov prek strojno naučenega materialnega prostora«, Small, 2412519 (2025).