🔔 تیمی از پژوهشگران کره‌ای روشی نوین مبتنی بر هوش مصنوعی توسعه داده‌اند که می‌تواند ویژگی‌های مواد را تنها با داده‌های بسیار کم شناسایی کند.

در روش‌های سنتی، این کار به آزمایش‌های متعدد و تجهیزات گران‌قیمت نیاز داشت، اما در این رویکرد جدید، هوش مصنوعی با قوانین فیزیک ترکیب شده تا فرآیند تحلیل بسیار سریع‌تر و کارآمدتر شود.

📘 پژوهشگران از روش یادگیری ماشین آگاه از فیزیک (PIML) استفاده کردند؛ روشی که به مدل‌های هوش مصنوعی می‌آموزد از قوانین فیزیکی پیروی کنند.

🔹 در یک آزمایش، سیستم توانست ویژگی‌های مواد لاستیکی را فقط با داده‌های حاصل از یک آزمایش دقیقاً پیش‌بینی کند.
🔹 در آزمایشی دیگر، ویژگی‌های کلیدی مواد ترموالکتریک (که گرما را به برق تبدیل می‌کنند) را با چند اندازه‌گیری محدود پیش‌بینی کرد.

علاوه بر این، تیم یک مدل جدید با نام Physics Informed Neural Operator (PINO) ساخت که قادر است قوانین فیزیکی را درک کند و ویژگی‌های مواد جدیدی که هرگز ندیده پیش‌بینی کند.
پس از آموزش روی ۲۰ نوع ماده، این مدل توانست ویژگی‌های ۶۰ ماده‌ی جدید را با دقت بالا تخمین بزند.

⚙️ این پیشرفت می‌تواند به‌شدت روند کشف و طراحی مواد جدید را در حوزه‌هایی مانند انرژی، الکترونیک و مهندسی تسریع کند.

@rss_ai_ir
#AI #PIML #PINO #MaterialScience #PhysicsInformedAI #Innovation