قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم المعزز لتخليق المواد
تطبيق للتعلم المعزز حيث تتعلم الذكاء الاصطناعي استراتيجيات التخليق المثلى من خلال التفاعل مع بيئة مختبر افتراضية أو حقيقية، مما يزيد من العائد والخصائص المرغوبة للمواد الجديدة.
رسم خرائط فضاء الأطوار بواسطة الذكاء الاصطناعي
استخدام خوارزميات التعلم الآلي للتنبؤ وتصور مناطق الاستقرار الديناميكي الحراري للأطوار البلورية في الأنظمة متعددة المكونات، مما يسرع اكتشاف السبائك والسيراميك.
الانحدار التدرجي الآلي على الجهد الطاقوي
تقنية تحسين حيث تقوم الذكاء الاصطناعي بضبط متكرر للمعلمات الهيكلية للمادة لتقليل طاقتها الكلية، المحسوبة بواسطة نماذج الجهد بين الذرات، للتنبؤ ببنيتها البلورية المستقرة.
رسوم بيانية معرفية لخصائص المواد
هياكل بيانات مترابطة تمثل الكيانات (المواد، العناصر، التجارب) وعلاقاتها، مما يسمح للذكاء الاصطناعي بالاستدلال على الروابط السببية بين التركيب والبنية والخصائص لتوجيه الاكتشاف.
نموذج الجهد بين الذرات القائم على الذكاء الاصطناعي
نموذج حسابي، غالبًا ما يكون شبكة عصبية أو آلة متجهات داعمة، يتم تدريبه على بيانات الكيمياء الكمومية للتنبؤ بالطاقة الكامنة لنظام ذري، مما يوفر حلاً وسطًا بين الدقة وسرعة الحساب.
التحسين البايزي متعدد الأهداف
استراتيجية استكشاف فعالة لمساحة تصميم المواد تستخدم نموذجًا احتماليًا لأخذ عينات من التركيبات الواعدة، مع موازنة استكشاف مناطق جديدة واستغلال المناطق المعروفة لعدة خصائص مستهدفة في وقت واحد.
التنبؤ بالاستقرار الديناميكي الحراري بواسطة التعلم الآلي
استخدام نماذج الذكاء الاصطناعي لتقدير طاقة التكوين أو الجهد الكيميائي للمادة، مما يسمح بتحديد ما إذا كانت مستقرة ديناميكيًا حراريًا أو ستتحلل إلى أطوار أكثر استقرارًا بسرعة.
شبكة عصبية بيانية للبلورات
بنية شبكة عصبية مصممة خصيصًا لمعالجة الهياكل البلورية عن طريق تمثيل الذرات كعقد والروابط كحواف لبيان، مما يلتقط بفعالية العلاقات الهندسية والكيميائية للتنبؤ بالخصائص.
الفحص الافتراضي عالي الإنتاجية الموجه بالذكاء الاصطناعي
عملية تقييم ملايين التركيبات المادية المرشحة باستخدام نماذج الذكاء الاصطناعي التنبؤية السريعة، مما يسمح بتحديد مجموعة فرعية محدودة من المركبات الواعدة لمزيد من التحقق التجريبي.
نقل التعلم عبر المجالات للمواد
منهجية يتم فيها إعادة استخدام نموذج ذكاء اصطناعي مدرب مسبقًا على مجموعة بيانات واسعة من فئة مواد (مثل: الأكاسيد) وتحسينه للتنبؤ بخصائص فئة أخرى أقل توثيقًا (مثل: النتريدات)، مما يقلل الحاجة إلى البيانات.
التعلم ذاتي الإشراف للهياكل البلورية
تقنية تدريب يتعلم فيها النموذج تمثيلات ذات صلة للهياكل البلورية من مهام تمهيدية يتم إنشاؤها تلقائيًا (مثل: التنبؤ بالذرات المخفية في خلية وحدة)، دون الحاجة إلى تسميات خصائص مكلفة.
توليد هياكل جديدة بواسطة VAE
استخدام مُشفّر تلقائي تبايني (VAE) مدرب على هياكل بلورية معروفة لتعلم توزيعها الكامن، ثم لأخذ عينات من هذه المساحة وتوليد هياكل بلورية جديدة صالحة هندسيًا ومستقرة محتملة.
نموذج لغوي للصيغ الكيميائية
تطبيق نماذج من نوع المحولات (مثل BERT) على مجموعات من النصوص العلمية لتعلم العلاقات السياقية بين المركبات الكيميائية وخصائصها وعمليات تركيبها، بهدف استنتاج معارف جديدة.
التنبؤ بالفجوة الطاقية بواسطة شبكة عصبية التفافية
استخدام الشبكات العصبية الالتفافية (CNN) المطبقة على تمثيلات ثنائية أو ثلاثية الأبعاد للتركيب الإلكتروني للمادة (مثل كثافة الشحنة) للتنبؤ مباشرة بفجوتها الطاقية، وهي خاصية رئيسية للتطبيقات الإلكترونية والبصرية.
التحسين المشترك للتركيب والبنية المجهرية
نهج ذكاء اصطناعي يعالج في آن واحد التركيب الكيميائي ومعلمات البنية المجهرية (حجم الحبيبات، النسيج، إلخ) كمتغيرات إدخال لاكتشاف مواد ذات أداء أمثل، مع الاعتراف بترابطها.
تحليل عدم اليقين لتوقعات الخصائص
دمج تقنيات تحدد ثقة النموذج (مثل: الشبكات البايزية، مجموعات النماذج) في توقعات خصائص المواد، مما يسمح بترتيب أولويات التجارب على المرشحين الأكثر واعدة والأقل يقينًا.