NSF Haberler

Yeni AI algoritması kimyasal dili öğreniyor, polimer araştırmalarını hızlandırıyor

Polimerler, malzeme bilimi ve mühendislik topluluklarında iyi bilinen makromoleküllerdir, ancak çoğumuz bu malzemelere ne kadar sıklıkla dokunduğumuzun, kullandığımızın ve onlarla arayüz oluşturduğumuzun farkında olmayabiliriz. Polimerler esneklik, suya dayanıklılık veya elektrik iletkenliği gibi istenen özelliklere sahip olacak şekilde tasarlanabilir. Yapışmaz pişirme kapları ve inşaat malzemeleri örneğin politetrafloroetilen ve polivinil klorür polimerlerini içerir.

Hangi malzeme kombinasyonlarının en etkili polimerleri oluşturacağını bulmak çok büyük ve zaman alıcı bir iştir çünkü kombinasyonlar aslında sonsuzdur. Şimdi, araştırmacılar Georgia Teknoloji bilim adamlarının ve üreticilerin bu çok önemli polimerleri tanımlamak ve geliştirmek için kimyasal alanda sanal olarak arama yapma biçiminde devrim yaratabilecek bir makine öğrenimi modeli geliştirdiler. ABD Ulusal Bilim Vakfı-desteklenen ekip bulgularını şu adreste yayınladı: Doğa İletişimi.

Çalışma, Georgia Tech’ten mühendis Rampi Ramprasad tarafından tasarlandı ve yönlendirildi. Yeni araç, polimerlerin geniş kimyasal alanını aramanın zorluklarının üstesinden gelmeyi amaçlıyor. 80 milyon polimer kimyasal yapısından oluşan devasa bir veri seti üzerinde eğitim alan polyBERT, polimerlerin dilini anlama konusunda uzman hale geldi.

Ramprasad, “Bu, polimer bilişimindeki dil modellerinin yeni bir uygulamasıdır” dedi. “Doğal dil modelleri, literatürden malzeme verilerini çıkarmak için kullanılabilirken, burada, polimerleri oluşturmak için bir araya gelen atomların takip ettiği karmaşık dilbilgisi ve sözdizimini anlamayı hedefliyoruz.”

PolyBERT, atomların kimyasal yapılarını ve bağlantısını bir tür kimyasal dil olarak ele alır ve kimyasal yapılardan en anlamlı bilgileri çıkarmak için doğal dil işlemeden ilham alan en son teknikleri kullanır. Araç, kalıpları ve ilişkileri yakalamak ve polimer yapıdaki atomik ve daha yüksek düzeylerde meydana gelen dilbilgisi ve sözdizimini öğrenmek için doğal dil modellerinde kullanılan Transformer mimarisini kullanır.

Hız, polyBERT’in dikkate değer bir avantajıdır. Geleneksel yöntemlerle karşılaştırıldığında polyBERT iki kat daha hızlıdır. Araştırmacılar, bu yüksek hız kapasitesinin polyBERT’i yüksek verimli polimer bilişim boru hatları için ideal bir araç haline getirdiğini ve büyük polimer alanlarının hızlı taranmasına olanak sağladığını söyledi.

Araştırmacılara göre, grafik işleme birimi teknolojisindeki gelişmelerle birlikte polyBERT parmak izlerinin hesaplama süresinin daha da artması bekleniyor.

“NSF Yenilik Ortaklığı programı tarafından finanse edilen araştırmacılar, hangi kimyasal kombinasyonlarının en etkili polimerleri oluşturacağını belirleme zorluğunun üstesinden gelmek için yeni bir yapay zeka aracı geliştiriyor” diyor NSF’nin Teknoloji, Yenilik ve Ortaklıklar Direktörlüğü’nde program direktörü Debora Rodrigues. “80 milyon polimer kimyasal yapısından oluşan devasa bir veri kümesi üzerinde eğitim vermek için yapay zekayı kullanıyorlar, bu da çeşitli polimerlerin laboratuvar deneylerine gerek kalmadan hızlı bir şekilde taranmasına olanak tanıyor.”

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir