Многомасштабная сложность разработки новых сплавов требует комплексной стратегии, поскольку эта процедура включает сбор соответствующей информации, использование передовых вычислительных методов, проведение экспериментальных проверок и тщательный анализ результатов. Поскольку задачи, связанные с этим сложным рабочим процессом, сложны, они традиционно отнимали много времени и выполнялись в основном людьми-профессионалами. Машинное обучение (МО) — эффективный способ ускорить проектирование сплавов.
Чтобы преодолеть эти ограничения, была реализована уникальная стратегия, которая использует явные преимущества нескольких агентов ИИ, работающих независимо в динамической среде. Вместе эти агенты могут решать сложные задачи, связанные с дизайном материалов, в результате чего получается более адаптируемая и отзывчивая система. Команда исследователей из Массачусетского технологического института предлагает AtomAgents. Это генеративная среда искусственного интеллекта, учитывающая законы физики. Он сочетает в себе интеллект больших языковых моделей (LLM) с возможностями сотрудничества экспертов-агентов ИИ в различных областях.
AtomAgents работает путем динамического объединения мультимодальной обработки данных, физического моделирования, поиска знаний и углубленного анализа многих типов данных, таких как числовые результаты и изображения физического моделирования. Благодаря таким совместным усилиям система может более успешно решать сложные задачи проектирования материалов. Было показано, что AtomAgents способны создавать металлические сплавы, которые имеют лучшие качества, чем их аналоги из чистых металлов.
Результаты, полученные AtomAgents, демонстрируют его способность точно предсказывать основные свойства ряда сплавов. Замечательным открытием является центральная роль легирования в твердом растворе в создании сложных металлических сплавов. Эти знания особенно полезны, поскольку они направляют процесс проектирования для производства материалов с улучшенными характеристиками.
Группа резюмировала свой основной вклад следующим образом.
- Команда создала систему, которая эффективно сочетает знания физики с генеративным искусственным интеллектом. Эта интеграция особенно заметна при проектировании кристаллических материалов, где точность моделирования гарантируется использованием универсального кода MD LAMMPS.
- Текст, изображения и цифровые данные — это лишь некоторые из форм и источников данных, которые эта модель способна блестяще сочетать. Модель более гибкая и полезная в различных темах исследований благодаря мультимодальному подходу, который также позволяет ей обрабатывать сложные наборы данных.
- Благодаря атомистическому моделированию модель демонстрирует превосходные возможности извлечения и применения физических данных. Многочисленные комплексные вычислительные исследования подтвердили достоверность этого моделирования, подтвердив надежность и эффективность модели при проектировании материалов.
- Платформа AtomAgents снижает необходимость вмешательства человека за счет автономного создания и управления сложными рабочими процессами. Это особенно полезно при моделировании с высокой пропускной способностью, когда модель может работать независимо без особого контроля.
- Такой подход делает передовые исследования более доступными, позволяя выполнять операции посредством простого ввода текста, что позволяет исследователям, не имеющим глубоких знаний в области проектирования кристаллических материалов, выполнять расширенное моделирование.
В заключение отметим, что платформа AtomAgents значительно повышает эффективность сложных многоцелевых задач проектирования. Это создает новые возможности во многих областях, таких как экологическая устойчивость, возобновляемые источники энергии и разработка биологических материалов. Эта платформа открывает путь к новому поколению высокопроизводительных материалов за счет автоматизации и оптимизации процесса проектирования.
Откройте для себя Бумага И GitHub. Вся заслуга в этом исследовании принадлежит исследователям этого проекта. Не забудьте подписаться на нас Твиттер и присоединяйтесь к нашему Telegram-канал И LinkedIn Групс. Если вам нравится наша работа, вам понравятся наши бюллетень..
Не забудьте присоединиться к нам Более 48 000 субреддитов ML
Ближайшие вебинары по искусственному интеллекту можно найти здесь.
Таня Малхотра учится на последнем курсе Университета нефти и энергетики в Дехрадуне и получает степень бакалавра технических наук в области компьютерной инженерии со специализацией в области искусственного интеллекта и машинного обучения.
Она является энтузиастом науки о данных, обладает хорошими навыками аналитического и критического мышления, а также горячим интересом к изучению новых навыков, руководству группами и организованному управлению работой.
