باحثون يطورون مواد معدنية جديدة تعتمد على البيانات والذكاء الاصطناعي 

تُستخدم المعادن المعروفة باسم "سبائك العناصر المتعددة الرئيسية" (MPEAs) في تطبيقات متنوعة مثل بدائل الركبة، وصفائح العظام، ومكونات الطائرات، والمحولات الحفزية. تتميز هذه السبائك بقوتها الاستثنائية، وهي على وشك أن تصبح أقوى بفضل الذكاء الاصطناعي.

قام سانكيت ديشموخ، الأستاذ المساعد في الهندسة الكيميائية، وفريقه بتصميم سبيكة عناصر متعددة رئيسية جديدة ذات خصائص ميكانيكية فائقة باستخدام إطار عمل يعتمد على البيانات ويستفيد من قوة الحوسبة الفائقة للذكاء الاصطناعي القابل للتفسير. وقد نشرت نتائجهم مؤخرًا في مجلة npj Computational Materials التابعة لمجلة Nature.

قال ديشموخ: "يُظهر هذا العمل كيف يمكن للأطر المعتمدة على البيانات والذكاء الاصطناعي القابل للتفسير أن تفتح آفاقًا جديدة في تصميم المواد. حيث إنه من خلال دمج التعلم الآلي، والخوارزميات التطورية، والتحقق التجريبي، نحن لا نسرّع فقط اكتشاف السبائك المعدنية المتقدمة، بل نخلق أيضًا أدوات يمكن توسيعها لتشمل أنظمة مواد معقدة مثل المواد السكرية — وهي مواد بوليمرية تحتوي على الكربوهيدرات."

تُعتبر سبائك العناصر المتعددة الرئيسية ذات قيمة بسبب خصائصها الميكانيكية الاستثنائية وتعدد استخداماتها. تتكون هذه السبائك من ثلاثة عناصر معدنية أو أكثر، وتُصمم لتوفير استقرار حراري ممتاز، وقوة ومتانة ومقاومة للتآكل والاهتراء. نظرًا لقدرتها على تحمل الظروف القاسية لفترات أطول من السبائك التقليدية، فهي مثالية للتطبيقات في مجالات الطيران والأجهزة الطبية وتقنيات الطاقة المتجددة.

كان الهدف الرئيسي للفريق هو تطوير سبيكة جديدة ذات قوة ميكانيكية فائقة مقارنة بالنماذج الحالية.

تقليديًا، كان تصميم سبائك العناصر المتعددة الرئيسية يعتمد على التجربة والخطأ، وهو نهج بطيء ومكلف. لكن ديشموخ وفريقه يستكشفون الإمكانيات الواسعة لتصميم سبائك العناصر المتعددة الرئيسية باستخدام الذكاء الاصطناعي القابل للتفسير. يكمن الفرق الرئيسي بين الذكاء الاصطناعي التقليدي والذكاء الاصطناعي القابل للتفسير في أن النماذج التقليدية غالبًا ما تتصرف كـ "صناديق سوداء" — حيث تُنتج تنبؤات دون فهم واضح لكيفية أو سبب تلك التنبؤات. أما الذكاء الاصطناعي القابل للتفسير فيُعالج هذا القيد من خلال توفير رؤى حول عملية اتخاذ القرار في النموذج.