شفقنا – دانشمندان ادعا می‌کنند رنگ‌های طراحی‌شده با هوش مصنوعی می‌توانند اثر جزیره گرمایی شهرها را کاهش داده و هزینه‌های تهویه مطبوع را کم کنند. این در حالی است که یادگیری ماشینی سرعت ایجاد مواد جدید را برای همه چیز از موتورهای الکتریکی تا جذب کربن افزایش داده است.
به گزارش سرویس ترجمه شفقنا، متخصصان مواد با استفاده از هوش مصنوعی، پوشش‌های جدیدی طراحی کرده‌اند که می‌توانند ساختمان‌ها را در معرض آفتاب ظهر، بین ۵ تا ۲۰ درجه سانتی‌گراد خنک‌تر از رنگ‌های معمولی نگه دارند. این پوشش‌ها را می‌توان روی خودروها، قطارها، تجهیزات الکتریکی و سایر اشیایی که در جهانی رو به گرمایش به خنک‌سازی بیشتری نیاز دارند نیز استفاده کرد.
بر اساس مطالعه‌ای که در مجله علمی «نیچر» منتشر شده است، محققان دانشگاه‌های ایالات متحده آمریکا، چین، سنگاپور و سوئد با استفاده از یادگیری ماشینی، فرمول‌های جدیدی برای رنگ طراحی کرده‌اند که به بهترین شکل پرتوهای خورشید را منعکس کرده و گرما را ساطع می‌کنند.
این آخرین نمونه از استفاده هوش مصنوعی برای پیشی گرفتن از روش‌های سنتی آزمون و خطا در پیشرفت‌های علمی است. سال گذشته، شرکت بریتانیایی «مَت‌نِکس» با استفاده از هوش مصنوعی، نوع جدیدی از آهنربای دائمی برای موتورهای وسایل نقلیه الکتریکی ساخت تا از استفاده از فلزات کمیاب که استخراج آن‌ها کربن‌بر است، اجتناب کند.
شرکت مایکروسافت نیز ابزارهای هوش مصنوعی را منتشر کرده تا به محققان کمک کند مواد معدنی جدید—اغلب ساختارهای کریستالی مورد استفاده در پنل‌های خورشیدی و ایمپلنت‌های پزشکی—را سریع‌تر طراحی کنند. امید می‌رود که این فناوری به تولید مواد جدیدی برای جذب بهتر کربن در جو و ساخت باتری‌های کارآمدتر بینجامد.
تحقیق درباره این رنگ‌ها توسط پژوهشگران دانشگاه تگزاس در آستین، دانشگاه شانگهای جیائو تونگ، دانشگاه ملی سنگاپور و دانشگاه اومئو در سوئد انجام شده است. این مطالعه نشان داد که استفاده از یکی از این رنگ‌های مبتنی بر هوش مصنوعی روی سقف یک مجتمع آپارتمانی چهارطبقه در آب‌وهوای گرمی مانند ریو دو ژانیرو یا بانکوک، می‌تواند معادل ۱۵۸۰۰ کیلووات‌ساعت در سال صرفه‌جویی در مصرف برق به همراه داشته باشد. اگر این رنگ روی ۱۰۰۰ ساختمان استفاده شود، میزان برق صرفه‌جویی‌شده می‌تواند بیش از ۱۰۰۰۰ دستگاه تهویه مطبوع را برای یک سال تأمین کند.
یوبینگ ژنگ، استاد دانشگاه تگزاس و یکی از سرپرستان این مطالعه، گفت: چارچوب یادگیری ماشینی ما گامی بزرگ به جلو در طراحی فراساطع‌کننده‌های گرمایی است. با خودکارسازی این فرآیند و گسترش فضای طراحی، می‌توانیم موادی با عملکرد برتر خلق کنیم که قبلاً غیرقابل‌تصور بودند.
او افزود که طراحی یک ماده جدید که پیش از این یک ماه زمان می‌برد، اکنون با استفاده از هوش مصنوعی در چند روز انجام می‌شود و موادی ساخته می‌شوند که شاید هرگز از طریق آزمون و خطا کشف نمی‌شدند.
«اکنون ما بر اساس خروجی یادگیری ماشینی—یعنی دستورالعمل‌های آن برای ساختار و نوع مواد مورد نیاز—عمل می‌کنیم و بدون گذراندن چرخه‌های متعدد طراحی و آزمایش، به نتیجه مطلوب می‌رسیم.»
دکتر الکس گانوس، مدرس شیمی در کالج سلطنتی لندن که او نیز از یادگیری ماشینی برای طراحی مواد جدید استفاده می‌کند، گفت: تحولات در این حوزه بسیار سریع است. تنها در سال گذشته استارت‌آپ‌های زیادی تلاش کرده‌اند از هوش مصنوعی مولد برای مواد استفاده کنند.
او توضیح داد که طراحی یک ماده جدید ممکن است به محاسبه میلیون‌ها ترکیب بالقوه نیاز داشته باشد. هوش مصنوعی به دانشمندان مواد اجازه می‌دهد از محدودیت‌های پیشین در قدرت محاسباتی عبور کنند. همچنین به این معناست که فرآیند سنتی ساخت یک ماده و سپس آزمایش ویژگی‌های آن می‌تواند معکوس شود—به این صورت که دانشمندان ابتدا ویژگی‌های مورد نظر خود را به هوش مصنوعی اعلام می‌کنند.
این خبر را اینجا ببینید.
