MIT (Massachusetts Teknoloji Enstitüsü) araştırmacıları, geliştirdikleri yeni makine öğrenimi yaklaşımıyla bu küresel sorunu çözmeyi başardı.
Science Advances dergisinde yayınlanan çalışmaya göre, araştırmacılar katı malzemelerin içindeki karmaşık ve düzensiz atomik yapıları yüksek doğrulukla modelleyen bir yapay zeka tekniği geliştirdi.
Bu teknik, simülasyonları hem radikal şekilde hızlandırıyor hem de hata payını neredeyse sıfıra indiriyor.
Kaba Kuvvet Modellemesi Tarihe Karışıyor
Geleneksel atomik simülasyon yöntemlerinin, tek bir malzemenin analizi için 100.000 saati aşan devasa bir hesaplama gücü (kaba kuvvet yöntemi) gerektirdiğini belirten araştırmacılar, üstelik alaşımın bileşiminde yapılan en ufak bir değişikliğin, tüm bu hesaplamaları geçersiz kıldığını söyledi.
Bu tıkanıklığı aşmak için bilgi teorisi tabanlı matematiksel bir yöntem kullanan MIT ekibi, yapay zekayı eğitirken rastgele veriler yerine, malzemenin içindeki en ince ve tekrarlanmayan ''atomik motifleri'' yakalayan özel veri kümeleri oluşturdu.
''Motif tabanlı örnekleme'' adı verilen bu yöntem sayesinde yapay zekanın, malzemelerin içindeki gizli enerji eğilimlerini ve mikro yapısal değişimleri eksiksiz bir şekilde öğrendiği kaydedildi.
Bilim insanları, ''Pratikte kullandığımız her metal kimyasal olarak düzensiz bir yapıya sahiptir. Geliştirdiğimiz bu yaklaşım, simülasyonları kimya açısından en yüksek doğruluğa ulaştırarak gerçek dünyadaki malzeme davranışlarını birebir yansıtıyor'' dedi.
Google ve Microsoft Modellerini Geride Bıraktı
Geliştirilen tekniğin başarısının, endüstri devlerinin algoritmalarıyla kıyaslanarak kanıtlandığını ifade eden bilim insanları, '' MIT'nin motif tabanlı veri kümeleriyle eğitilen özel modelleri, Google ve Microsoft gibi teknoloji devlerinin geliştirdiği devasa genel modellerden çok daha doğru tahmin sonuçları ortaya koydu'' dedi.