AI voorspelt thermo -elektrisch metaal
Een door TU Wien geleide team combineert supercomputing en automatisering om hoogwaardige thermo-elektrische materialen te voorspellen-de zoekopdracht van trial-and-error naar intelligent ontwerp.
Nieuwe technologieën vereisen nieuw materiaal - maar ontdekken dat ze tientallen jaren kunnen duren.Nu heeft een onderzoeksteam onder leiding van Andrej Pustogow bij Tu Wien een geautomatiseerd computerprotocol gemaakt dat thermo -elektrische materialen voorspelt die afvalwarmte in bruikbare elektriciteit kunnen omzetten.Hun aanpak verlaagt de tijd en kosten van ontdekking en biedt een snellere route naar groene energiematerialen.
In plaats van te vertrouwen op de wijsheid van het leerboek of de moeizame lab -experimenten, gebruikte het team supercomputers om te simuleren hoe metalen zoals nikkel, kobalt en ijzer interageren met elk ander element in het periodiek systeem.Beginnend met overgangsmetalen, scande ze duizenden mogelijke combinaties.Onder de resultaten viel Nickel-Germanium (NI₃GE) op vanwege zijn opmerkelijke thermo-elektrische prestaties-later bevestigd in laboratoriumtests.
Terwijl eerder onderzoek door het team hiernaar liet doorschemeren (inclusief werk aan nikkel-gold legeringen), is dit de eerste keer dat een systematische, AI-geassisteerde methode nauwkeurige voorspellingen heeft geleverd.Ondanks de ruwe kracht van supercomputers zoals de wetenschappelijke cluster van Oostenrijk, is Brute Force niet praktisch - het evalueren van alle mogelijke elementcombinaties kan langer duren dan het universum heeft bestaan.Dus het team beperkte de zoekopdracht intelligent met behulp van fysieke principes en automatisering.
De geselecteerde kandidaat, Ni₃ge, presteerde niet alleen goed, maar bewees dat zelfs eenvoudige binaire verbindingen kunnen leveren.Als systemen met twee elementen veelbelovend tonen, stel je dan voor wat we zullen vinden in meer complexe combinaties.De aanpak krijgt al grip na de academische wereld.Industrie -reuzen zoals Google en Microsoft bouwen AI -tools die zijn getraind in tientallen jaren van experimentele en theoretische materiaalgegevens.De beste resultaten komen nog steeds van menselijke intuïtie - versterkt door rekenkracht.Dit markeert een strategische verschuiving in materiaalwetenschap.Al bijna een eeuw lag de focus op halfgeleiders.