آیا هوش مصنوعی ترکیبات سرامیکی بهتری خلق میکند؟
سرامیکها در همه چیز از کاشیهای دیواری و ظروف شیشهای گرفته تا مفصل ران مصنوعی، موشکهای کروز و کاشیهای حرارتی شاتل فضایی ناسا مورد استفاده قرار گرفته اند. جای تعجب نخواهد بود، زیرا مزایای بسیار زیاد از جمله رسانایی الکتریکی کم، نقاط ذوب زیاد و مقاومت استثنایی در برابر مواد شیمیایی باعث میشود که مواد سرامیکی به طور ایده آل برای همهی این کاربردها مناسب باشند.
با اینکه نوآوریها در سرامیکهای پیشرفته طی چند دههی گذشته پیشرفت کردهاست؛ بسیاری از نکات منفی سنتی آن همچنان باقی ماندهاست. به عنوان مثال، وزن سبک و مقاومت در برابر درجه حرارت بالا که سرامیکهای پیشرفته امروزی را برای توربینهای هواپیما ایده آل میکند، همچنان به قیمت یک فرآیند تولید دشوار و پرهزینه است. علاوهبراین، همراه با مقاومت و سختی ذاتی سرامیک، در شرایط بار شدید گرما، بخار و نیروهایی که تحت آن توربینهای هواپیما به طور منظم کار میکنند، مستعد شکست کامل هستند.
پیشگیری از این شکست در قلب آخرین پژوهشهای استادیار دکتر Amanda Krause از گروه علوم و مهندسی مواد UF و تیم وی متشکل از همکارUF MSE ، Michael Tonks، دکتر Joel Harley از گروه مهندسی برق و کامپیوتر UF و دکتر Michael Kesler از آزمایشگاه ملی Oak Ridge است. با حمایت یک جایزه ۲۶/۱ میلیون دلاری از برنامه علوم پایه انرژی (BES) وزارت انرژی امریکا(DOE) ، دکتر Krause احساس میکند که هوش مصنوعی(AI) ، به ویژه یادگیری ماشین، میتواند کلید پیشبینی این باشد که چرا یک دانه خاص انبساط غیر طبیعی دارد، درحالیکه دانهی کناری آن به سرعت تسلیم میشود.
دکتر Krause میگوید: " DOE علاقمند بود رفتار مواد را در محیطهایی با شرایط سخت مانند دما یا میدانهای مغناطیسی و الکتریکی بررسی کند. پروژه ما هم با دمای بالا و هم با میدانهای مغناطیسی سروکار دارد. "
در حالت ایده آل، دانههای میکروسکوپی که ساختار هر مادهای را تشکیل میدهند، از نظر اندازه در یک نمونه معین نسبتاً یکنواخت هستند، که معمولاً در دماهای طبیعی نیز چنین است. این مشکل وقتی بهوجود میآید که مادهای مانند آلومینا در دمای شدید گرم شود یا تحت فشارهای ناخواسته دیگری قرار گیرد. وقتی این اتفاق میافتد، این دانههای میکروسکوپی شروع به انبساط در اندازه میکنند. با اینکه این رشد پیشبینی میشود، آنچه قابل پیشبینی نیست این است که کدام دانهها، در صورت وجود، از یک مزیت ویژه برخوردار میشوند که باعث می شود همسایگان خود را با سرعت تسریع شده جذب کنند. این رشد غیر طبیعی دانه میتواند منجر به ضعف یا عدم ثبات در ساختار ماده شود.
دکتر Michele Manuel، رئیس گروه علوم و مهندسی موادUF ، از پیشرفتهای بالقوهای که میتواند با استفاده از قابلیتهای تجزیه و تحلیل دادههای قدرتمند AI کشف کند، هیجان زدهاست. دکتر Manuel گفت: "اصطلاح تغییر بازی به ذهن خطور میکند، زیرا این دقیقاً همان چیزی است که این تحقیق قادر به انجام آن است. باز کردن اسرار رشد غیر طبیعی دانه، در هر مادهای، منجر به پیشرفتهای باورنکردنی در علم و مهندسی مواد میشود که ما فقط تا این لحظه آرزو داشتهایم. " دکتر Krause موافق است و میگوید: "اگر یادگیری ماشین در نهایت بتواند رشد غیر طبیعی دانه را تشخیص و پیشبینی کند، قدم بعدی از آنجا کنترل نهایی رفتار دانه؛ نه تنها در طی فرایند تولید بلکه در طول اجرای ماده است. در آن مرحله، ما میتوانیم اجزای جدیدتر و یا حتی بهتر با استحکام و چقرمگی شکست بسیار برتر را از آنچه که از پیشرفتهترین مواد سرامیکی امروز مشاهده میکنیم، مهندسی کنیم. "