جنرال لواء

يستخدم الباحثون التعلم الآلي لتحسين الهياكل النانوية


يعد التعلم الآلي جزءًا مزدهرًا من الذكاء الاصطناعي (AI) الذي أصبح أكبر وأفضل فقط فيما يتعلق بالجانب التكنولوجي. إنه بالفعل تطبيق يستخدم على نطاق واسع لمساعدة الآلات وأجهزة الكمبيوتر على التعلم من التجربة وأخطاءها ، إذا جاز التعبير ، فقط لتحسين إنتاجيتها تلقائيًا.

لهذا الغرض ، استنتج فريق من الباحثين من Helmholtz-Zentrum Berlin (HZB) بألمانيا أن مجموعة من الهياكل النانوية يمكن تحسينها وتحسينها بشكل كبير من حيث إنتاجيتها باستخدام التعلم الآلي ومحاكاة الكمبيوتر.

HZB هو معهد أبحاث شهير في برلين معروف بدراسة ديناميكيات وهيكل المواد بالإضافة إلى التحقيق في تكنولوجيا الخلايا الشمسية.

يستمر هذا البحث ، الذي نُشرت نتائجه في مجلة فيزياء الاتصالات (2018) ، لإظهار كيف أن التطبيقات الضوئية لها فرصة حقيقية للتحسين باستخدام تطبيق التعلم الآلي.

طبيعة الهياكل النانوية المستخدمة في الدراسة

يفتخر هذا البحث بالبنى النانوية الضوئية التي تم فحصها في الورقة. وهي مكونة من طبقة سيليكون تشكل قاعدة للنقاط الكمومية أو الهياكل الشبيهة بالثقب المكونة من كبريتيد الرصاص.

على عكس ما يحدث على سطح غير مرتب ، عندما تتعرض هذه النقاط الكمومية لليزر ، فإنها تصدر كمية غير عادية من الضوء. لذلك ، يمكن الآن التحقق من التفاعل بين الهياكل النانوية وضوء الليزر.

نتائج التعلم الآلي واستخدامه في الورقة البحثية

صمم معهد Zuse Institute في برلين برنامجًا يمكنه بالفعل تسجيل الأحداث بعد تعديل بنية المادة. تم بعد ذلك أيضًا حساب توزيع المجال الكهربائي ثلاثي الأبعاد لكل معلمة للتغيير في البنية النانوية باستخدام هذا البرنامج نفسه.

تم جمع الكثير من البيانات من قبل الدكتور كارلو بارث من الفريق الذي استخدم بعد ذلك برامج أخرى تم تمكينها بواسطة التعلم الآلي لتحليلها جميعًا. على حد تعبيره ، "بحث الكمبيوتر في ما يقرب من 45000 سجل بيانات وجمعها في حوالي عشرة أنماط مختلفة."

في النهاية ، كانت نتائج هذا البحث ناجحة حيث حدد الفريق الأنماط والديناميكيات الأساسية بين المناطق المختلفة من الثقوب النانوية. أصبح من الواضح الآن ، بفضل هذه الدراسة أن الهياكل الضوئية مع التعلم الآلي وتطبيقاتها يمكن أن تقطع شوطًا طويلاً لاستخدامها في العديد من المجالات.

تطبيقاتهم واسعة ولا نهاية لها. من الواضح أنه يمكن استخدامها في الخلايا الشمسية ، لكن الأهم من ذلك أنها نعمة للجزيئات الحيوية وأجهزة الاستشعار البصرية التي تعمل كواسمات للسرطان.

كما هو مذكور بوضوح في الورقة البحثية ، فإن "التعلم الآلي هو نظام يتطور بسرعة ويستخدم مناهج إحصائية للتعلم من البيانات دون برمجة قائمة على قواعد صريحة. مدفوعة بالزيادة الهائلة في كميات البيانات اليوم ، تم توسيع التقنيات ذات الصلة وتحسينها بوتيرة سريعة ".

هذا هو بالضبط كيف يمكن أن يساهم التعلم الآلي في التعرف على الأنماط وعلم الوراثة واكتشاف الشذوذ. ما تبقى لنرى هو كيف يمكن استغلال هذه المعرفة في تطبيقات متنوعة.


شاهد الفيديو: مقدمة في علم النانوتكنولوجي - خواص المادة عند مستوى النانومتر (كانون الثاني 2022).