یافتن گزینه مناسب برای خازن های لایه نازک از میان 50 هزار نمونه با کمک هوش مصنوعی

محققان آزمایشگاه ملی لارنس برکلی با همکاری چندین مؤسسه دیگر، با موفقیت یک روش یادگیری ماشینی را برای تسریع کشف مواد مناسب برای خازن های فیلمی به کار گرفتند؛ - یافتن گزینه مناسب برای خازن های لایه نازک از میان 50 هزار نمونه با کمک هوش مصنوعی محققان آزمایشگاه ملی لارنس برکلی با همکاری چندین مؤسسه دیگر، با موفقیت یک روش یادگیری ماشینی را برای تسریع کشف مواد مناسب برای خازن های فیلمی به کار گرفتند؛ خازن هایی که اجزای حیاتی در فناوری های تولید برق و انرژی های تجدیدپذیر هستند.

از این روش برای غربالگری کتابخانه ای نزدیک به 50 هزار ساختار شیمیایی استفاده شد.

به گزارش ایسنا، در این پروژه محققانی از دانشگاه ویسکانسین-مدیسون، مؤسسه تحقیقاتی اسکریپس، دانشگاه کالیفرنیا، برکلی و دانشگاه می سی سی پی جنوبی در زمینه یادگیری ماشینی، سنتز شیمیایی و تعیین مشخصات مواد با هم همکاری کردند.

نتایج تحقیقات آن ها در قالب مقاله ای در مجله Nature Energy به چاپ رسید.

یی لیو، دانشمند ارشد آزمایشگاه برکلی که رهبری این مطالعه را بر عهده داشت، گفت: برای فناوری های انرژی تجدیدپذیر مقرون به صرفه و قابل اعتماد، ما به مواد خازن با عملکرد بهتری نسبت به آنچه امروز در دسترس است، نیاز داریم.