به گزارش خبرگزاری مهر به نقل از نیواطلس، به گفته محققان نخستین باری است که این شاخه از هوش مصنوعی برای بهینه سازی مواد نانوساختار به کار گرفته شده است. پیتر سرلس از دانشگاه تورنتو و یکی از مولفان این پژوهش می گوید: این هوش مصنوعی فقط تکرار معیارهای هندسی موفقیت آمیز براساس داده های آموزشی نیست، بلکه از آنچه تغییرات در شکل ایجاد کردندو نکردند، نیز آموخت و به همین دلیل توانست یک شبکه کاملا نوین پیش بینی کند.

مواد نانو با کنارهم قرار دادن اتم ها یا مولکول ها به شیوه ای دقیق مشابه احداث سازه هایی با بلوک های کوچک لگو مهندسی می شود. بیشتر اوقات این مواد به دلیل ابعاد نانو خود ویژگی های خارق العاده ای نمایش می دهند.

این اتم ها یا مولکول ها به شکل الگوهای سه بعدی تکرار شوند به نام شبکه آرایش می یابند. یک شبکه شامل نقاط فضایی تنظیم شده ای است که ساختار ماده را تعریف می کنند. این آرایش نظم یافته اتم ها یا مولکول ها روی ویژگی های فیزیکی، شیمیایی و الکترونیکی ماده تاثیر می گذارد.

محققان کانادایی با همکاری همتایان خود در کره جنوبی الگوریتم یادگیری ماشینی بهینه سازی بیزی چند هدفی (the multi-objective Bayesian optimization machine learning algorithm)را به کار گرفتند. یک الگوریتم یادگیری ماشینی است که برای یافتن بهینه چند هدفه استفاده می‌شود. نقش چنین الگوریتمی پیش بینی بهترین معیارهای هندسی ممکن برای ارتقای توزیع فشار و بهبود نسبت قدرت به وزن برای دستیابی به یک نانو معماری نوین است.

در مرحله بعد محققان از یک چاپگر سه بعدی پلیمراسیون دو فوتونی برای ایجاد نمونه اولیه دقیق در مقیاس نانو استفاده کردند. ابزار مورد استفاده آنها Nano Photonic Professional GT۲ بود که قیمت آن چند صد هزار دلار است.

شبکه های نانوی تولیدی پنج برابر تیتانیوم فشار تحمل کردند. همین امر به ایجاد ماده ای سخت و قدرتمند و البته سبک منجر شد که احتمالا در تولیدات هوافضا به کار می رود.

محققان تصمیم دارند فعالیت در این زمینه را ادامه دهند تا ماده قدرتمندتر و کم تراکم تری را بسازند.