به گزارش ایسنا و به نقل از یورک‌الرت، پژوهشگران "دانشگاه هیوستون"(UH) آمریکا، نوعی الگوریتم ماشینی جدید طراحی کرده‌اند که برای اجرا در رایانه شخصی کارآمد است و می‌تواند ویژگی‌های بیش از 100 هزار ترکیب را مشخص کند.
آنها برای این کار، یکی از ترکیباتی که سدیم، باریم و بورات را شامل می‌شود، تولید و آزمایش کردند و دریافتند کارآیی آن تا 95 درصد است و دوام حرارتی بالایی دارد.
پژوهشگران هیوستون با همکاری "آریا منصوری تهرانی"، پژوهشگر ایرانی این دانشگاه، از روش یادگیری ماشینی برای اسکن سریع مجموعه بزرگی از ترکیبات استفاده کردند و ویژگی‌های حرارتی و شیمیایی آنها را مورد بررسی قرار دادند.
عملکرد LED، با استفاده از عناصر نادری مانند یوروپیم یا سریم صورت می‌گیرد که در یک ماده میزبان مانند سرامیک یا اکسید قرار داده می‌شوند؛ در نتیجه تعاملی میان دو ماده پدید می‌آید. تمرکز این پژوهش، بر پیش‌بینی سریع ویژگی‌های مواد میزبان است.
"ژاکوب برگوچ" (Jakoah Brgoch)، استادیار شیمی و از پژوهشگران این پروژه گفت: این پژوهش، شواهد محکمی در مورد ارزش یادگیری ماشینی در ابداع موادی با عملکرد بالا ارائه می‌دهد. این حوزه در گذشته با آزمون و خطای بسیار و قوانین تجربی ساده‌ای همراه بوده است.
این پروژه، با فهرستی از 118.287 ترکیب فسفر آلی آغاز شد اما این الگوریتم، تنها دو هزار ترکیب را در بر می‌گیرد.
پژوهشگران باور دارند که یادگیری ماشینی می‌تواند سرعت فرآیند کشف مواد جدید را افزایش دهد. به گفته برگوچ، این فرآیند بدون استفاده از یادگیری ماشینی، هفته‌ها زمان می‌برد.
وی افزود: این پژوهش به ما نشان می‌دهد باید چه مواردی را جستجو کنیم و تلاش‌های ما را هدایت می‌کند. هدف ما این است که نه تنها به کارآیی لامپ‌های LED، بلکه به کیفیت رنگ آنها نیز کمک کنیم و هزینه آنها را نیز کاهش دهیم.
این پژوهش، در مجله " Nature Communications" به چاپ رسید.
