در مقالهای که در مجله علمی Nature منتشر شده، آمده است که هوش مصنوعی توسعهیافته توسط DeepMind با استفاده از دادههای بهدستآمده از پروژه Materials، یک کنسرسیوم تحقیقاتی بینالمللی که در آزمایشگاه ملی لارنس برکلی در سال ۲۰۱۱ تأسیس شد، آموزش داده شد.
Google DeepMind از هوش مصنوعی (AI) برای پیشبینی ساختار بیش از 2 میلیون ماده شیمیایی جدید استفاده کرد که به زودی پیشرفتی را با کاربردهای بالقوه برای بهبود فناوریهای دنیای واقعی رقم زد.
در یک مقاله علمی منتشر شده در مجله Nature در روز چهارشنبه، 29 نوامبر، شرکت هوش مصنوعی متعلق به Alphabet گزارش داد که نزدیک به 400000 طرح مواد نظری به زودی تحت آزمایش آزمایشگاهی قرار خواهند گرفت. کاربردهای احتمالی این تحقیق شامل ساخت باتری ها، پنل های خورشیدی و تراشه های کامپیوتری با عملکرد پیشرفته است.
بر اساس این مقاله، شناسایی و ایجاد مواد جدید اغلب پرهزینه و زمان بر است. نزدیک به دو دهه طول کشید تا باتریهای لیتیوم یونی که اکنون به طور گسترده در دستگاههایی مانند تلفنها، لپتاپها و وسایل نقلیه الکتریکی استفاده میشوند، به صورت تجاری در دسترس قرار گیرند.
Ekin Doğuş Çubuk، یک دانشمند محقق در DeepMind، ابراز خوش بینی کرد که پیشرفت در آزمایش، سنتز مستقل و مدل های یادگیری ماشین می تواند به طور قابل توجهی جدول زمانی طولانی 10 تا 20 ساله برای کشف و سنتز مواد را کاهش دهد.
به گفته این نشریه، هوش مصنوعی توسعه یافته توسط DeepMind با استفاده از داده های پروژه مواد، یک کنسرسیوم تحقیقاتی بین المللی که در آزمایشگاه ملی لارنس برکلی در سال 2011 تأسیس شد، آموزش داده شده است. مجموعه داده حاوی اطلاعاتی در مورد حدود 50000 ماده از قبل موجود بود.
مرتبط با: پس از 12 روز بیکاری، سم آلتمن رسماً به OpenAI بازگشت
این سازمان قصد خود را برای توزیع داده های خود در جامعه تحقیقاتی به منظور سرعت بخشیدن به پیشرفت های بیشتر در زمینه کشف مواد ابراز کرده است. اما کریستین پرسون، مدیر پروژه مواد، در این مقاله گفت که صنعت در مورد افزایش هزینه ها محتاط است و اینکه مواد جدید اغلب زمان می برد تا مقرون به صرفه شوند. به گفته پرسون، محدود کردن این جدول زمانی، موفقیت نهایی خواهد بود.
پس از استفاده از هوش مصنوعی برای پیشبینی پایداری این مواد جدید، DeepMind توجه خود را به پیشبینی قابلیت سنتز آنها در شرایط آزمایشگاهی معطوف کرد.
مجله: موارد استفاده واقعی از هوش مصنوعی در کریپتو، خیر. 3: کنترل قراردادهای هوشمند و امنیت سایبری
نویسنده: Amaka Nwaokocha
