ИИ ускорил поиск новых диэлектриков для электроники
D@droidergramавтор про «tech»
1 месУченые из Сеульского национального университета использовали ИИ для анализа 150 млн составов и синтеза новых диэлектриков для конденсаторов.
Этот метод позволяет в разы быстрее находить новые материалы для современной электроники.
- ИИ автоматизирует сбор данных из разрозненных научных публикаций.
- Сокращается время на поиск составов с нужными физическими свойствами.
- Найденные материалы подходят для работы в условиях высоких температур, что важно для электромобилей и авиации.
🔬ИИ перебрал 150 миллионов составов и нашёл два!
Команда Сеульского национального университета взялась за задачу, на которую обычно уходят годы перебора: найти диэлектрик, который не плывёт при нагреве.
Диэлектрики это изоляторы, которые ток не пропускают, но накапливают заряд. На них держатся многослойные керамические конденсаторы (MLCC), а их в смартфоне и электромобиле сотни. Чем выше диэлектрическая проницаемость, тем больше энергии хранит деталь того же размера. Беда в том, что при нагреве характеристики уезжают, а техника всё чаще работает в жаре: силовая электроника, электромобили, авиация и космос.
Как всё это искали. Полезные измерения разбросаны по текстам, таблицам и графикам сотен статей, да ещё и получены в разных условиях. Большие языковые модели вытащили составы и режимы обработки из текста и таблиц, графики перевели в числа. Получилось 1202 записи из 448 работ, к которым добавили 22 физических дескриптора, чтобы данные стали сопоставимы.
Дальше 30 независимо обученных моделей одновременно предсказывали три показателя и сверялись друг с другом — составы, где модели сходились, получали приоритет. Виртуальное пространство примерно в 150 миллионов составов ужалось до 37 кандидатов. Два синтезировали и проверили руками в лаборатории.
Образцы с добавкой олова 1 и 2 мол% показали диэлектрическую проницаемость 3422 и 3307 при комнатной температуре. Оба уложились в международные стандарты X5R, X6R и X7R.
Самое интересное тут даже не два материала, а метод — способ превратить знания, размазанные по сотням статей, в рабочий датасет. Авторы считают, что подход ляжет и на другие функциональные оксиды с тонкими плёнками.
@droidergram
Кратко (AI)
Исследователи из Сеульского национального университета применили ИИ для анализа данных из сотен научных статей, чтобы найти новые диэлектрические материалы. Модели проанализировали 150 миллионов возможных составов, выделив два перспективных варианта, которые успешно прошли лабораторные испытания и соответствуют международным стандартам.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖