تاریخ انتشار: دوشنبه 1403/08/28 - 09:16
کد خبر: 522778

ارمغان هوش مصنوعی برای تحول مواد ۲بعدی

 ارمغان هوش مصنوعی برای تحول مواد ۲بعدی

یک روش جدید مبتنی بر هوش مصنوعی با دقت بالای خود در شناسایی و طبقه‌بندی مواد دوبعدی، تحول بزرگی را برای این مواد به ارمغان می‌آورد.

به گزارش «خبرنامه دانشجویان ایران»؛ پژوهشگران «دانشگاه توهوکو»(Tohoku University) یک روش را براساس یادگیری عمیق ابداع کرده‌اند که شناسایی دقیق و طبقه‌بندی مواد دوبعدی را با استفاده از «طیف‌سنجی رامان»(Raman spectroscopy) به طور قابل توجهی ساده می‌کند.

به نقل از آزونانو، روش‌های تحلیل سنتی رامان پرزحمت هستند و به تفسیر ذهنی نیاز دارند. ابداع و مطالعه مواد دوبعدی که در بسیاری از کاربردهای گوناگون شامل الکترونیک و فناوری پزشکی مورد استفاده قرار می‌گیرند، با این روش جدید تسریع خواهد شد.

«یاپینگ کی»(Yaping Qi) دانشیار دانشگاه توهوکو و پژوهشگر ارشد این پروژه گفت: ما گاهی اوقات فقط چند نمونه را از مواد دوبعدی مورد نیاز یا منابع محدودی را برای بررسی آنها داریم. در نتیجه، داده‌های طیفی به محدود شدن و توزیع نابرابر تمایل دارند. ما به دنبال یک مدل تولیدی بودیم که چنین مجموعه داده‌هایی را افزایش ‌دهد و جای خالی را برای ما پر کند.

داده‌های طیفی هفت ماده دوبعدی متفاوت و سه ترکیب مجزا به مدل یادگیری عمیق داده شد. پژوهشگران یک روش جدید را توسعه دادند که از مدل‌های «DDPM» برای تولید داده‌های مصنوعی بیشتر برای غلبه بر این مشکلات استفاده می‌کند.

این مدل با اضافه کردن نویز، داده‌های اصلی را بهبود می‌بخشد. سپس، مدل یاد می‌گیرد که برای حذف نویز کار کند و در نتیجه، یک خروجی منحصربه‌فرد را مطابق با توزیع داده‌های اصلی به وجود بیاورد.

پژوهشگران از طریق ترکیب این مجموعه داده با یک شبکه عصبی «CNN»، به دقت ۹۸.۸ درصد در طبقه‌بندی مجموعه داده اصلی و مهم‌تر از آن، دقت ۱۰۰ درصد در داده‌های تقویت‌شده دست یافتند.

این روش خودکار، عملکرد طبقه‌بندی را بهبود می‌بخشد و نیاز به مداخله دستی را کاهش می‌دهد. همچنین، کارآیی و مقیاس‌پذیری طیف‌سنجی رامان را برای شناسایی مواد دوبعدی افزایش می‌دهد.

کی گفت: این روش یک راه حل قوی و خودکار را برای تحلیل بسیار دقیق مواد دوبعدی ارائه می‌دهد. ادغام روش‌های یادگیری عمیق، پژوهش در حوزه علم مواد و کنترل کیفیت صنعتی را نوید می‌دهد که در آنها شناسایی قابل اعتماد و سریع بسیار مهم است.

این پژوهش اولین مورد استفاده از DDPM را در ایجاد داده‌های طیفی رامان ارائه می‌کند و روزنه‌ای را برای تحلیل طیف‌سنجی خودکار و مؤثرتر می‌گشاید. حتی در شرایطی که به دست آوردن داده‌های تجربی محدود یا چالش‌برانگیز است، این روش می‌تواند امکان توصیف دقیق مواد را فراهم کند. در نهایت، این روش می‌تواند بررسی‌ آزمایشگاهی را به یک محصول ملموس تبدیل کند که مصرف‌کنندگان بتوانند آن را از فروشگاه‌ها بخرند.

این پژوهش در مجله «Applied Materials Today» به چاپ رسید.

مرتبط ها
نظرات
حداکثر تعداد کاراکتر نظر 200 ميياشد
نظراتی که حاوی توهین یا افترا به اشخاص، قومیت‌ها، عقاید دیگران باشد و یا با قوانین جمهوری اسلامی ایران و آموزه‌های دینی مغایرت داشته باشد منتشر نخواهد شد - لطفاً نظرات خود را با حروف فارسی تایپ کنید
معرفی کسب و کارها
فیلم | مصوبه واردات استانی نمونه آشفتگی دولت در سیاست گذاری ارزی
تامین و فروش مستربچ برای صنایع خودرو، لوازم خانگی و بسته‌بندی
قیمت و خرید نایلون دسته موزی مستقیم از تولیدی
سیم‌کارت سفید یا سیم‌کارت بدون فیلتر چیست؟
بهترین سایت ساز های رایگان
نظر مشتریان، مسیر واقعی رشد در دنیای امروز
دانلود آهنگ جدید، ریمیکس و موزیک ویدئو با کیفیت عالی از ناب صدا
خرید لوازم خانگی با انواع طرح های اقساطی و نقدی در نفیس ۲۴
۵ سرگرمی خانگی ساده برای روزهای بی‌حوصلگی
چطور با سرمایه محدود ارز دیجیتال بخریم و معامله کنیم؟
فرصت شغلی منعطف وپردرآمد برای دانشجوها؛ از تبلیغ تا واقعیت!
پیام تسلیت خبرنامه دانشجویان ایران به مناسبت درگذشت پدر محترم محمد جهاد
هم‌نشینی یلدا و رجب؛ وقتی بلندترین شب سال به آغاز روشن‌ترین راه می‌رسد
مجلس نحوه تعدیل اقساط مهریه را تعیین کرد
جمع آوری ۳۳۴ نفر اتباع بیگانه غیرمجاز در زهک
تحمیل خسارت ۲۰ میلیارد دلاری تصادفات به اقتصاد ایران
سلیمی: چین مراقب اظهاراتش درباره جزایر سه‌گانه باشد
تجمع میلیونی مردم عراق در سالروز شهادت سردار سلیمانی
روایت ترکیه از ضربه سخت ایران به پژاک در طول جنگ تحمیلی ۱۲ روزه
تحریم داخلی داروی بیماران هموفیلی
مسیر واقعی تحقق عدالت آموزشی
نظرسنجی
بنظر شما باتوجه به حوادث اخیر و شکست سنگین از ایران، چقدر احتمال فروپاشی رژیم صهیونیستی وجود دارد؟





مشاهده نتایج
go to top