سامانه آزمایشی تشخیصی جدیدی به طور مشترک در دانشکده مهندسی مولکولی دانشگاه شیکاگو و دانشگاه کالیفرنیا ایجاد شده، که در آن از هوش مصنوعی برای بهبود عملکرد استفاده شده است. این سیستم تشخیص طبی، یک ترانزیستور قدرتمند و حساس را با یک سیستم آزمایش تشخیصی ارزان و مبتنی بر کاغذ ترکیب میکند. هنگامی که این ابزار با یادگیری ماشین ترکیب میشود، این سیستم به نوع جدیدی از زیستحسگر تبدیل میشود که در نهایت میتواند آزمایش و تشخیص در خانه را انجام دهد.
لنز نانوساختار به کمک یادگیری ماشینی میآید
به تازگی محققان موفق به تولید لنزهای تخت نانوساختار شدند. این لنزها نانویی به سیستمهای یادگیری ماشینی کمک میکنند تا دید بهتری داشته باشند؛ وضوح دید به کاهش مصرف انرژی در آنها کمک میکند.
یادگیری ماشینی سنتز نانوذرات اکسیدآهن را سادهتر و دقیقتر کرد
برای جلوگیری از کارهای تکراری و هدر رفت وقت و انرژی، محققان مدل یادگیری ماشینی را برای سنتز نانوذرات اکسیدآهن به کار گرفتند. این مدل هوش مصنوعی با بررسی شرایط مختلف احتمالی، بهترین مسیر برای سنتز را پیشنهاد داده و ویژگی محصول تولید شده را نیز پیشبینی میکند.
همافزایی هوش مصنوعی و پایگاه داده برای کمک به توسعه باتریها
با افزایش تعداد خودروهای الکتریکی، نیاز به تولید برق با روشهای تجدیدپذیر نظیر باد و خورشید بیشتر میشود و از سوی دیگر وابستگی به سیستمها و شبکههای برق نیز افزایش مییابد. در این بین، خطر آتشسوزی باتریها نیز به شکل قابل توجهی بیشتر میشود. برای حل این مشکل باید به سراغ الکترولیتهای جامد رفت، اما مشکلاتی نیز در این مسیر وجود دارد.
از یادگیری ماشینی برای بررسی ویژگی سطوح در مقیاس نانو استفاده شد
یافتههای اخیر محققان موسسه توکیوتک نشان میدهد که یادگیری ماشینی (ML) امکان محاسبه دقیق و کارآمد خواص الکترونیکی اکسیدهای فلزی دوتایی و سهتایی را روی سطوح فراهم میکند. این مدل مبتنی بر یادگیری ماشینی را میتوان برای بررسی سایر خصوصیات سطح نیز استفاده کرد. در حال حاضر از این یافتهها میتوان برای بررسی خواص سطح مواد و توسعه مواد کاربردی استفاده کرد.
مطالعه رفتار آب/یخ در نانوحفره و غولهای یخی!
محققان با کمک یادگیری ماشینی و شبیهسازی، به بررسی رفتار آب و یخ در یک نانوحفره پرداختند. دستاوردهای آنها میتواند برای مطالعه آب در غولهای یخی منظومه خورشیدی نیز استفاده شود.
هوش مصنوعی به طراحی نانوساختارهای کربنی کمک میکند
محققان دانشگاه توهوکو با همکاری پژوهشگران دانشگاه جیائو تانگ شانگهای از روش یادگیری ماشین برای پیش بینی و کنترل رشد نانوساختار کربنی روی سطوح فلزی استفاده کردند. نتایج این پروژه در نشریه Nature Communications به چاپ رسیده است.