Zmniejszenie zależności od magnesów ziem rzadkich

Naukowcy z Uniwersytetu New Hampshire opracowali platformę opartą na sztucznej inteligencji, aby przyspieszyć odkrywanie nowych związków magnetycznych.W wyniku projektu powstała baza danych materiałów Northeast, która zawiera 67 573 wpisy dotyczące materiałów magnetycznych, w tym 25 związków zidentyfikowanych jako pozostające magnetyczne w podwyższonych temperaturach.

Magnesy trwałe są niezbędne w pojazdach elektrycznych, systemach energii odnawialnej, urządzeniach medycznych i elektronice użytkowej.Wiele z nich opiera się na pierwiastkach ziem rzadkich, które są kosztowne i podlegają ograniczeniom podaży.Identyfikacja materiałów alternatywnych była wyzwaniem, ponieważ testowanie milionów możliwych kombinacji chemicznych w laboratorium jest niepraktyczne.Automatyzując proces wyszukiwania, system sztucznej inteligencji ma skrócić czas i koszty związane z wczesną selekcją materiałów i pomóc badaczom skoncentrować się na najbardziej obiecujących kandydatach.

Podstawowe funkcje platformy obejmują automatyczne czytanie literatury naukowej przy użyciu dużego modelu językowego, ekstrakcję parametrów eksperymentalnych, takich jak skład i temperatury przejścia magnetycznego, a także organizowanie tych danych w ustrukturyzowaną bazę danych z możliwością przeszukiwania.Modele uczenia maszynowego analizują skompilowane dane, aby przewidzieć, czy materiał jest magnetyczny i oszacować temperaturę, w której może utracić magnetyzm.Struktura bazy danych umożliwia także ciągłe aktualizacje w miarę publikacji nowych badań.

Suman Itani, doktorantstudent fizyki i główny autor w UNH, mówi: „Przyspieszając odkrywanie zrównoważonych materiałów magnetycznych, możemy zmniejszyć zależność od pierwiastków ziem rzadkich, obniżyć koszty pojazdów elektrycznych i systemów wykorzystujących energię odnawialną oraz wzmocnić bazę produkcyjną USA”.

Yibo Zhang, badacz ze stopniem doktora w dziedzinie fizyki i chemii, zauważa, że ​​w przyszłości te duże uczelnie LLM stojące za tym projektem mogą mieć szerokie zastosowania poza tą bazą danych, szczególnie w dziedzinach szkolnictwa wyższego, takich jak konwersja obrazów do nowoczesnego formatu tekstu sformatowanego, mogłaby również zostać wykorzystana do modernizacji zasobów bibliotecznych.