به گزارش ایسنا، مواد دو بعدی مانند گرافن به دلیل خاصیت الکترونیکی، نوری و مکانیکی قابل توجه، علاقه زیادی را به خود جلب کرده است. با وجود مطالعههای زیادی که انجام شده، کمتر از ۱۰۰ ماده دوبعدی با موفقیت در آزمایشگاهها سنتز شده است. این امر به شدت استفاده عملی آنها در ترانزیستورها، سنسورها، باتریها و سایر محصولات را محدود میکند.
به تازگی، محققان یک سیستم محاسبات مصنوعی ایجاد کردهاند که کشف و اعتبار سنجی مواد دوبعدی شیمیایی پایدار را خودکار میکند. این روش در حال حاضر چند گزینه جدید دوبعدی امیدوارکننده را که در تحقیقات پیشین از چشم محققان پنهان مانده بود، را پیدا کرد.
نتایج این تحقیق در قالب مقالهای با عنوان “Discovery of 2D Materials using Transformer Network-Based Generative Design” در نشریه Advanced Intelligent Systems به چاپ رسیده است.
از نظر تاریخی، مواد جدید از طریق آزمایشهای آزمون و خطا توسط دانشمندان به دست میآید. اما فضای جستجوی گسترده، یافتن ترکیبات پایدار احتمالی را غیرممکن میکند.
جیانجون هو از محققان این پروژه میگوید: «مواد جدید بالقوه بسیار زیادی برای سنتز در آزمایشگاهها وجود دارد. ما به ابزارهای محاسباتی نیاز داریم تا هوشمندانه این مواد را کشف کند. یادگیری ماشین انسانها را از حلقه کشف خارج میکند و به الگوریتمها اجازه میدهد تا با جستجوی دادهها، خود را آموزش دهند.»
این روش جدید، به عنوان ژنراتور ترانسفورمر مواد (MTG)، چندین مؤلفه هوش مصنوعی را ادغام میکند. این فناوری هوش مصنوعی از توانمندی خود برای ایجاد ترکیبات شیمیایی مختلف استفاده کرده و بعد با کمک الگوریتمهای خود، این ترکیب شیمیایی را از نظر بلوری و ساختاری با هندسه مواد دوبعدی موجود مقایسه کرده و تلاش میکند تا با تعویض اتمها و عناصر، ساختار جدیدی را پیشنهاد دهد. در ادامه هوش مصنوعی با استفاده از محاسبات تئوری عملکردی چگال اقدام به بررسی میزان پایداری ترمودینامیکی این ساختار جدید میکند.
این هوش مصنوعی موفق شد تا چهار ترکیب دو بعدی جدید با فرمولاسیون NiCl4, IrSBr, CuBr3, CoBrC را شناسایی کند که از نظر ترمودینامیکی پایدار هستند.
این فناوری میتواند به طور گسترده طراحی مواد دوبعدی به منظور استفاده در دستگاههای نسل بعدی را انجام دهد. اما قبل از پذیرش عملی در مقیاس گسترده، محققان باید سنتز برخی از ترکیبات پیشنهادی را در آزمایشگاه انجام دهند.
انتهای پیام