40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 قابلیت جدید هوش مصنوعی: اختراع میلیون‌ها ماده با خواص استثنایی، که هنوز وجود ندارند!

قابلیت جدید هوش مصنوعی: اختراع میلیون‌ها ماده با خواص استثنایی، که هنوز وجود ندارند!

الگوریتم‌های هوش مصنوعی هر روز شگفتی می‌آفرینند و این بار با قابلیتی که در اختراع میلیون‌ها ماده‌ با خواص استثنایی از خود نشان داده‌اند، موجبات تحیّر همگان را برانگیخته‌اند. البته نکته اصلی و متحیر‌کننده در این قابلیت جدید آن است که، این مواد هنوز به وجود نیامده‌اند و همین موضوع است که لحظه کشف این الگوریتم‌ را به‌یادماندنی‌تر کرده است.

به گزارش هوشیو، دانشمندان الگوریتم هوش مصنوعی جدیدی را اختراع کرده‌اند که قادر است‌ ساختار و خواص بیش‌ از 31 میلیون ماده‌‌ای را که هنوز به‌وجود نیامده‌اند، «پیش‌بینی کند».

بنا‌به‌گفته تیمی از دانشگاه کالیفرنیا، سن‌دیگو که در ایجاد این الگوریتم نقش داشته‌اند: «ابزار هوش مصنوعی جدیدی با نامM3GNet  می‌تواند، موجب کشف مواد جدید با خواص استثنایی گردد.»

کاری که M3GNet انجام داده از این قرار است که، این الگوریتم توانسته یک پایگاه اطلاعاتی وسیع، از موادی که هنوز ترکیبات آن به‌صورت دقیق مشخص نشده‌اند را به‌صورت لحظه‌ای ارائه دهد. براین‌اساس، الگوریتم یادشده پیش ‌از ‌آنکه محققان دست به ترکیب مواد با‌ یکدیگر بزنند، به آنها خواهند گفت نتیجه ترکیب مواد مورد‌نظر آنها، چه ساختاری با چه قابلیتی خواهد بود.

اختراع میلیون‌ها ماده‌

پایگاه داده madeverse.ai و الگوریتمM3GNet ، به‌صورت بالقوه می‌توانند فضای اکتشاف را برای مواد با مقیاس بزرگ گسترش دهند.

Shyue Ping Ong، پروفسور مهندسی نانو از دانشگاه سن‌دیگو، با‌ اشاره ‌به الگوریتم هوش مصنوعی ساخته‌شده توسط DeepMind گوگل که می‌تواند ساختارهای پروتئینی را پیش‌بینی کند، M3GNet  را به‌عنوان یک AlphaFold برای مواد توصیف کرد.

AlphaFold الگوریتمی است که قادر به پیش‌بینی ساختار پروتئین‌ها، براساس شکل ظاهری آنها بوده. از‌آنجایی‌که بررسی پروتئین‌ها از‌این‌منظر، یکی از چالش‌های بزرگ علمی برای دهه‌های متوالی بوده، اختراع این الگوریتم خدمت بزرگی به پژوهش‌های زیست‌شناسی و دنیای واقعی به‌شمار می‌رود.  

پروفسور Ong می‌گوید: «مانند پروتئین‌ها، ما باید ساختار یک ماده را نیز بدانیم تا بتوانیم خواص آن را پیش‌بینی کنیم.»

ما واقعاً معتقدیم، معماری به‌کار‌رفته در M3GNet آن را تبدیل به ابزاری دگرگون‌کننده ساخته، که می‌تواند توانایی ما برای کشف مواد شیمیایی و ساختارهای جدید را تا‌حد‌زیادی گسترش دهد.

این تیم اکنون قصد دارد، تعداد مواد موجود در پایگاه داده را به‌میزان قابل‌‌توجهی گسترش دهد، در‌حالی‌که به بررسی اینکه کدام مواد ممکن است برای کمک به اکتشافات علمی آینده مفید باشند، ادامه می‌دهد.

تخمین‌ زده می‌شود، بیش ‌از یک میلیون ماده از 31 میلیون ماده‌ای که در پایگاه داده madeverse.ai موجود هستند، از ثبات کافی برای استفاده برخوردار باشند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]