Berta Sándor
Gyorsabban azonosíthatók az anyagok tulajdonságai
A folyamatban a mesterséges intelligencia segíthet.
A technológia az embereknél sokkal gyorsabban kielemezni azokat a nagy adatmennyiségeket, amelyek például a lehetséges új anyagok tulajdonságainak kiértékelésekor keletkeznek. Ugyanakkor az ilyen megoldások hajlamosak a bizonytalanságok miatt a téves döntések meghozatalára és a saját képességeik túlbecsülésére. Egy nemzetközi kutatócsoport továbbfejlesztett egy algoritmust, amely képes az emberekkel együtt dolgozni és őket a döntések meghozatalában támogatni.
A csapatot Dr. Phillip M. Maffettone (National Synchrotron Light Source II in Upton, USA), Dr. Andrew Cooper professzor (Liverpooli Egyetem Kémiai és Anyaginnovációs Tanszéke), Lars Banko és Dr. Alfred Ludwig professzor (Bochumi Ruhr Egyetem Anyagfelfedezési és Interfészek Tanszék), illetve Yury Lysogorskiy (Bochumi Ruhr Egyetem Interdiszciplináris Fejlett Anyagszimulációs Központ) alkották. A kutatók rámutattak, hogy például a jövő energiarendszereivel használható új anyagok felfedezésében meghatározó szerepet játszik a röntgendiffrakciós adatok (XRD) hatékony elemzése. Így kideríthető, hogy egy adott anyag milyen területeken alkalmazható.
Az XRD-mérések az elmúlt években az automatizálásnak köszönhetően jelentős mértékben felgyorsultak. Alfred Ludwig ugyanakkor kiemelte, hogy az XRD elemzési technikák jelentős része még mindig manuális, időigényes, hibaérzékeny és nem skálázható. Azért, hogy a jövőben gyorsabban fel lehessen fedezni és optimalizálni lehessen az új anyagokat, szükség van új módszerekre. A továbbfejlesztett algoritmus neve Crystallography Companion Agent (XCA) és organikus, illetve nem organikus anyagrendszerekhez egyaránt használható.
A szakemberek az eredményeiket a Crystallography companion agent for high-throughput materials discovery című anyagukban összegezték, s azt a Nature Computational Science oldalain is megjelentették.
A technológia az embereknél sokkal gyorsabban kielemezni azokat a nagy adatmennyiségeket, amelyek például a lehetséges új anyagok tulajdonságainak kiértékelésekor keletkeznek. Ugyanakkor az ilyen megoldások hajlamosak a bizonytalanságok miatt a téves döntések meghozatalára és a saját képességeik túlbecsülésére. Egy nemzetközi kutatócsoport továbbfejlesztett egy algoritmust, amely képes az emberekkel együtt dolgozni és őket a döntések meghozatalában támogatni.
A csapatot Dr. Phillip M. Maffettone (National Synchrotron Light Source II in Upton, USA), Dr. Andrew Cooper professzor (Liverpooli Egyetem Kémiai és Anyaginnovációs Tanszéke), Lars Banko és Dr. Alfred Ludwig professzor (Bochumi Ruhr Egyetem Anyagfelfedezési és Interfészek Tanszék), illetve Yury Lysogorskiy (Bochumi Ruhr Egyetem Interdiszciplináris Fejlett Anyagszimulációs Központ) alkották. A kutatók rámutattak, hogy például a jövő energiarendszereivel használható új anyagok felfedezésében meghatározó szerepet játszik a röntgendiffrakciós adatok (XRD) hatékony elemzése. Így kideríthető, hogy egy adott anyag milyen területeken alkalmazható.
Az XRD-mérések az elmúlt években az automatizálásnak köszönhetően jelentős mértékben felgyorsultak. Alfred Ludwig ugyanakkor kiemelte, hogy az XRD elemzési technikák jelentős része még mindig manuális, időigényes, hibaérzékeny és nem skálázható. Azért, hogy a jövőben gyorsabban fel lehessen fedezni és optimalizálni lehessen az új anyagokat, szükség van új módszerekre. A továbbfejlesztett algoritmus neve Crystallography Companion Agent (XCA) és organikus, illetve nem organikus anyagrendszerekhez egyaránt használható.
A szakemberek az eredményeiket a Crystallography companion agent for high-throughput materials discovery című anyagukban összegezték, s azt a Nature Computational Science oldalain is megjelentették.