Многомасштабная сложность проектирования новых сплавов требует комплексной стратегии, поскольку эта процедура включает сбор соответствующей информации, использование передовых вычислительных методов, проведение экспериментальных проверок и тщательное изучение результатов. Поскольку задачи, включенные в этот сложный рабочий процесс, сложны, он традиционно занимал много времени и в основном выполнялся профессионалами. Машинное обучение (МО) является жизнеспособным способом ускорения проектирования сплавов.
Для преодоления этих ограничений была использована уникальная стратегия, которая использует особые преимущества нескольких агентов ИИ, работающих независимо в динамической среде. Вместе эти агенты могут справляться со сложными задачами, связанными с проектированием материалов, что приводит к более адаптивной и отзывчивой системе. Группа исследователей из Массачусетского технологического института предлагает AtomAgents. Это генеративная структура ИИ, которая учитывает законы физики. Она сочетает интеллект больших языковых моделей (LLM) с кооперативными возможностями агентов ИИ, которые являются экспертами в различных областях.
AtomAgents функционирует, динамически объединяя многомодальную обработку данных, моделирование на основе физики, поиск знаний и тщательный анализ по многим типам данных, таким как числовые результаты и изображения из физического моделирования. Система может более успешно справляться со сложными проблемами проектирования материалов благодаря этим совместным усилиям. Было показано, что AtomAgents способны проектировать металлические сплавы, которые обладают лучшими качествами, чем чистые металлические аналоги сами по себе.
Результаты, полученные с помощью AtomAgents, демонстрируют его способность точно прогнозировать основные свойства в ряде сплавов. Примечательным открытием является ключевая функция легирования твердого раствора в создании сложных металлических сплавов. Эти знания особенно полезны, поскольку они направляют процесс проектирования на производство материалов с улучшенными характеристиками.
Группа резюмировала свой основной вклад следующим образом.
- Команда создала систему, которая эффективно сочетает знания физики с генеративным искусственным интеллектом. Эта интеграция лучше всего видна в проектировании кристаллических материалов, где точность моделирования гарантируется использованием универсального кода LAMMPS MD.
- Текст, изображения и числовые данные — вот лишь некоторые из форм и источников данных, которые эта модель отлично комбинирует. Модель более гибкая и полезная в различных учебных темах благодаря мультимодальному подходу, который также позволяет ей управлять сложными наборами данных.
- Используя атомистические симуляции, модель демонстрирует превосходные возможности в извлечении и применении физики. Многочисленные сложные компьютерные исследования подтвердили достоверность этих симуляций, подтверждая надежность и эффективность модели в проектировании материалов.
- Фреймворк AtomAgents снижает необходимость человеческого вмешательства, автономно создавая и управляя сложными рабочими процессами. Это особенно полезно в высокопроизводительных симуляциях, где модель может работать независимо без особого контроля.
- Такой подход делает передовые исследования более доступными, позволяя выполнять операции посредством простого текстового ввода, что позволяет исследователям, не обладающим глубокими знаниями в области проектирования кристаллических материалов, проводить расширенное моделирование.
В заключение, фреймворк AtomAgents значительно повышает эффективность сложных многоцелевых проектных работ. Он создает новые возможности в ряде областей, таких как экологическая устойчивость, возобновляемая энергия и инженерия биологических материалов. Эта платформа прокладывает путь для следующего поколения высокопроизводительных материалов за счет автоматизации и оптимизации процесса проектирования.
Проверьте Бумага и GitHub. Все заслуги в этом исследовании принадлежат исследователям этого проекта. Также не забудьте подписаться на нас Твиттер и присоединяйтесь к нашему Телеграм-канал и LinkedIn Грууп. Если вам нравится наша работа, вам понравится и наше информационный бюллетень..
Не забудьте присоединиться к нашему 48 тыс.+ ML SubReddit
Найдите предстоящие вебинары по ИИ здесь
Таня Малхотра — студентка последнего курса Университета нефти и энергетики в Дехрадуне, обучающаяся по программе бакалавриата по направлению «Инженерия компьютерных наук» со специализацией в области искусственного интеллекта и машинного обучения.
Она — энтузиаст науки о данных, обладает хорошим аналитическим и критическим мышлением, а также горячим интересом к приобретению новых навыков, руководству группами и управлению работой организованным образом.
