黑科技！AI系统可以帮助提高燃料电池的效率
| 氢云链 |
据悉，该系统依赖于各自执行不同任务的算法机器人集合，筛选数百到数千个元素组合，以创建相位图 - 原子相对于彼此的排列 - 然后人类可以使用它来确定哪个可能是一种新材料。
“这个问题迫使我们开发出一种全新的方法，真正推动人工智能的前沿，以获得物理上有意义的解决方案，” 计算机科学教授，计算可持续发展研究所所长卡拉·戈麦斯说 ，“ CRYSTAL：A ”的第一作者用于材料晶体结构自动映射的多智能体系统， “发表于材料研究学会通讯。
寻求改进汽车燃料电池的研究人员正在寻找一种催化剂，这种催化剂可以用甲醇替代难以储存的氢气，甲醇可能效率更高。
但由于没有已知材料是甲醇氧化的有效催化剂，因此需要一种新材料，共同作者John Gregoire博士说。'09，加州理工学院的一名科学家。
“如果存在一种可行的催化剂，那么需要通过组合元素周期表来发现它，并且组合的数量非常庞大，以至于无法通过传统实验来完成，”Gregoire说，他以前是博士后研究员。共同作者R. Bruce van Dover的实验室 ，Walter S. Carpenter，Jr。，工程学教授。
研究人员还需要了解材料的晶体结构或相位，因为固体可能具有多个相结构，并且每个相位作为催化剂表现不同。
“人类可以解决包含两个元素的简单合成系统的相位图，”Gregoire说，“但是只要有两个以上的元素，人类就有太多的信息要处理，我们需要人工智能来协助。”
然而，现有的机器学习方法并不适合科学发现的严格限制，其中解决方案不仅必须合理，而且必须遵守物理和化学定律，Gomes说。
为了应对这一挑战，Gomes及其同事开发了一种名为CRYSTAL的系统，用于晶相映射，其中多个机器人各自处理问题的不同部分，从预测各种组合的相位结构到确保这些预测符合热力学规则。 。
机器学习系统通常学习如何使用大量带注释的训练数据来解决问题 - 例如，用于区分狗和猫的算法将通过标记为“狗”或“猫”的图像的数据集来训练。标记数据不是'在这种情况下可用，因此CRYSTAL还需要能够从未标记的数据中推断 - 这一过程称为无监督学习。
“对于一个单一的整体系统，这将是压倒性的，”戈麦斯说。“但如果我们以非常敏捷的方式实现这一目标，将多代理系统集合在一起，我们可以快速找到解决方案并满足所有限制。”
Gomes表示，CRYSTAL部分受到了IBM Watson超级计算机的启发，该计算机利用人工智能代理社区提出了不同的可能解决方案，在“危险边缘”中击败人类冠军!
使用CRYSTAL，研究人员能够确定一种独特的催化剂，由三种结晶成某种结构的元素组成，对甲醇氧化有效，可以加入到甲醇基燃料电池中。
“这是一个重要的发现，它挑战了我们对催化的理解，以及设计下一代催化剂的重要研究方向，”Gregoire说。
编辑：陈丹 校对：杨东川 审核：杨东川
来源：Fullcellworks
注：文内信息仅为提供分享交流渠道，不代表本公众号观点
欢迎扫码加入氢云链交流群
往期深度报告