Batarya ya da enerjiyle ilişkili başka aletler gibi belirli uygulama alanları için olası yeni materyallerin teorik listesi taranırken, genellikle göz önüne alınabilecek milyonlarca potansiyel materyal ve karşılanması gereken kriterler oluyor. Şimdi, bir makina öğrenmesi sistemi kullanan MIT araştırmacıları, bu keşif sürecini ciddi anlamda kolaylaştırmanın ve hızlandırmanın bir yolunu buldular.
Ekip akış bataryası adı verilen bir enerji depolama sistemi için var olan neredeyse 3 milyon materyal adayını, en çok gelecek vaat eden sekiz materyale indirgedi. ACS Central Science’da yayınlanan çalışmaya göre, bu ayırma süreci geleneksel analitik yöntemlerle 50 yıl alacakken, bu yöntem sayesinde beş haftada gerçekleştirildi.
Çalışmada geçiş metali karmaşıkları adı verilen bir grup materyale bakıldı. Birçok farklı formda var olabilen bu milyonlarca materyalin özelliklerinden her birini öngörmenin çok fazla zaman ve çok karmaşık yöntemlerin kullanımını gerektirdiğini belirten araştırmacılar, az sayıda farklı olası materyali aldı ve onları ileri bir makina öğrenimi sinir ağına materyallerin kimyasal bileşimleri ve fiziksel özellikleri arasındaki ilişkiyi öğretmek için kullandı.
Sinir Ağı Öngörülerine Duyduğu Güven Düzeyini De Belirleyebildi
Bu süreci tekrarlama yoluyla sinir ağını eğitmeye devam eden araştırmacılar ağın her seferinde daha iyi hale geldiğini ve en sonunda daha fazla tekrarın daha fazla bir iyileşmeye yol açmayacağının açık olduğu bir noktaya ulaştıklarını söylüyor.
Araştırmacılar akış bataryası materyalleri için tarama yaptığında, sinir ağı sadece gelecek vaat eden materyal adaylarını hızlı bir şekilde bulmakla kalmadı; aynı zamanda farklı öngörüleri için duyduğu güven düzeyini de belirleyebildi.
Ekip bu deneyde redoks akış bataryalarında kullanılabilecek materyalleri aradı. Redoks akış bataryaları temiz ve yenilenebilir enerjiye olanak tanımak konusunda önemli bir rol oynamakta gelecek vaat eden bir batarya türü. Bu tür bataryalar için tercih edilen materyal kategorisi geçiş metali karmaşıkları ama bunları geleneksel yöntemlerle değerlendirmek için çok fazla olasılık bulunuyor.
Araştırmacılar bu çalışmanın kimya biliminde çok boyutlu sağlanan bir ilerlemenin ilk uygulaması olduğuna inandıklarını söylüyor.
Orijinal Makale: Science Daily
