นักวิทยาศาสตร์ใช้ปัญญาประดิษฐ์เพื่อค้นหาวัสดุแม่เหล็กใหม่ๆ ที่ไม่ใช้องค์ประกอบที่สำคัญ ทีมวิจัยจากห้องปฏิบัติการแห่งชาติ Ames ของกระทรวงพลังงานสหรัฐฯ ได้พัฒนารูปแบบการเรียนรู้ของเครื่องใหม่สำหรับการค้นหาวัสดุแม่เหล็กถาวรที่ไม่มีองค์ประกอบที่สำคัญ แบบจำลองทำนายอุณหภูมิคูรีของการผสมวัสดุใหม่ นี่เป็นก้าวแรกที่สำคัญในการใช้ปัญญาประดิษฐ์ในการทำนายวัสดุแม่เหล็กถาวรชนิดใหม่ แบบจำลองนี้ช่วยเสริมความสามารถที่พัฒนาขึ้นเมื่อเร็ว ๆ นี้ของทีมในการค้นหาวัสดุหายากที่มีความเสถียรทางอุณหพลศาสตร์
นักวิทยาศาสตร์จากห้องปฏิบัติการแห่งชาติ Ames ได้ออกแบบโมเดลการเรียนรู้ของเครื่องที่สามารถทำนายวัสดุแม่เหล็กใหม่ได้โดยไม่ต้องใช้องค์ประกอบที่หายาก แนวทางที่เป็นนวัตกรรมใหม่นี้มุ่งเน้นไปที่อุณหภูมิของวัสดุคูรี นำเสนอเส้นทางที่ยั่งยืนมากขึ้นในการประยุกต์เทคโนโลยีในอนาคต
ความสำคัญของแม่เหล็กประสิทธิภาพสูง

แม่เหล็กประสิทธิภาพสูงมีความสำคัญอย่างยิ่งต่อเทคโนโลยี เช่น พลังงานลม การจัดเก็บข้อมูล ยานพาหนะไฟฟ้า และระบบทำความเย็นแบบแม่เหล็ก แม่เหล็กเหล่านี้ประกอบด้วยวัสดุสำคัญ เช่น โคบอลต์และธาตุหายาก เช่น นีโอไดเมียมและดิสโพรเซียม วัสดุเหล่านี้เป็นที่ต้องการสูง แต่อุปทานมีจำกัด สถานการณ์นี้กระตุ้นให้นักวิจัยมองหาวิธีในการออกแบบวัสดุแม่เหล็กชนิดใหม่ที่จะช่วยลดวัสดุที่สำคัญ
บทบาทของการเรียนรู้ของเครื่อง
การเรียนรู้ของเครื่อง (ML) เป็นรูปแบบหนึ่งของปัญญาประดิษฐ์ ขับเคลื่อนด้วยอัลกอริธึมคอมพิวเตอร์ โดยใช้ข้อมูลและอัลกอริธึมแบบลองผิดลองถูกเพื่อปรับปรุงการคาดการณ์อย่างต่อเนื่อง ทีมวิจัยใช้ข้อมูลการทดลองและการสร้างแบบจำลองทางทฤษฎีของอุณหภูมิกูรีเพื่อฝึกอัลกอริทึม ML อุณหภูมิกูรีคืออุณหภูมิสูงสุดที่วัสดุยังคงเป็นแม่เหล็ก
Yaroslav Mudryk นักวิทยาศาสตร์จาก Ames Laboratory และผู้นำอาวุโสของทีมวิจัยกล่าวว่า "การค้นหาสารประกอบที่มีอุณหภูมิคูรีสูงเป็นขั้นตอนแรกที่สำคัญในการค้นพบวัสดุที่สามารถคงความเป็นแม่เหล็กได้ที่อุณหภูมิสูง" "แง่มุมนี้มีความสำคัญไม่เพียงแต่สำหรับการออกแบบแม่เหล็กถาวรเท่านั้น แต่ยังรวมไปถึงการออกแบบวัสดุแม่เหล็กที่ใช้งานได้อื่นๆ ด้วย"
Mudrick เชื่อว่าการค้นพบวัสดุใหม่เป็นกิจกรรมที่ท้าทาย เนื่องจากการค้นหาวัสดุใหม่มักกระทำผ่านการทดลอง ซึ่งมีราคาแพงและใช้เวลานาน อย่างไรก็ตาม การใช้วิธี ML สามารถประหยัดเวลาและทรัพยากรได้

การทดสอบและการตรวจสอบแบบจำลอง
เพื่อตรวจสอบความถูกต้องของแบบจำลอง ทีมงานได้ใช้สารประกอบที่มีซีเรียม เซอร์โคเนียม และเหล็กเป็นหลัก แนวคิดนี้เสนอโดย Andriy Palasyuk นักวิทยาศาสตร์จาก Ames Laboratory และสมาชิกของทีมวิจัย เขาหวังที่จะมุ่งเน้นไปที่วัสดุแม่เหล็กที่ไม่รู้จักซึ่งอิงจากองค์ประกอบที่มีอยู่มากมายในโลก Palaschuk กล่าวว่า "ซุปเปอร์แม่เหล็กตัวถัดไปต้องไม่เพียงแต่มีประสิทธิภาพที่ยอดเยี่ยมเท่านั้น แต่ยังต้องอาศัยส่วนประกอบในประเทศที่มีอยู่มากมายด้วย
Palaschuk ร่วมมือกับสมาชิกในทีมวิจัย Tyler Del Rose ซึ่งเป็นนักวิทยาศาสตร์จาก Ames Laboratory อีกคน เพื่อสังเคราะห์และกำหนดลักษณะของโลหะผสม พวกเขาพบว่าแบบจำลอง ML สามารถทำนายอุณหภูมิคูรีของวัสดุที่ต้องการได้สำเร็จ ความสำเร็จนี้เป็นก้าวแรกที่สำคัญในการออกแบบแม่เหล็กถาวรใหม่สำหรับการใช้งานทางเทคโนโลยีในอนาคต
"เรากำลังเขียนแมชชีนเลิร์นนิงตามหลักฟิสิกส์เพื่ออนาคตที่ยั่งยืน" ซิงเกอร์กล่าว
