آخرین تحولات
پژوهشگران مؤسسه فناوری ماساچوست (MIT) چارچوبی نوین را توسعه داده‌اند که با بهبود نرخ پایداری مواد، چالش‌های موجود در استفاده از هوش مصنوعی برای طراحی مواد جدید را مرتفع می‌سازد. این پیشرفت در حالی رخ می‌دهد که مدل‌های فعلی هوش مصنوعی قادر به تولید میلیون‌ها طرح جدید در عرض چندین دقیقه هستند، اما این تولید انبوه منجر به جهش چشمگیری در به‌کارگیری مواد جدید برای بهبود عملکرد محصولات حیاتی مانند تراشه‌های رایانه‌ای و موشک‌ها نشده است.
جزئیات گزارش‌ها
دلیل اصلی این شکاف در ترجمه مفاهیم نظری به کاربردهای عملی، عدم اطمینان مدل‌های کنونی در لحاظ کردن پایداری شیمیایی مواد تولیدشده است. مواد ناپایدار برای کاربردهای واقعی کارایی لازم را ندارند و این موضوع صنایع را مجبور می‌کند بودجه‌های محاسباتی عظیمی را صرف غربالگری مواد ناپایدار کنند؛ فرآیندی که گاهی تنها کسر بسیار کوچکی از گزینه‌های قابل استفاده را باقی می‌گذارد.
تیم پژوهشی MIT رویکردی تحت عنوان «تولیدکننده کریستال با طراحی محدودیت‌دار والانس» (CrysVCD) را توسعه داده است. این چارچوب در مراحل اولیه فرآیند تولید مواد اعمال می‌شود و با اطمینان از اینکه هر طرح از قوانین کلیدی شیمی مربوط به الکترون‌های اطراف اتم‌های ماده پیروی می‌کند، قبل از آغاز مرحله پرهزینه تولید، پایداری را تضمین می‌نماید.
نتایج منتشرشده در مجله «علوم محاسباتی ناتور» (Nature Computational Science) نشان می‌دهد که استفاده از CrysVCD به مدل‌های رایج مواد کمک کرده است تا قوانین پوسته والانس را با دفعات بیشتری رعایت کنند. این روش توانسته است پایداری دینامیک شبکه را که یک آزمایش پایداری سخت‌گیرانه محسوب می‌شود، به دست آورد و نرخ مواد پایدار تولیدی را به طور قابل توجهی افزایش دهد.