Alchemite: Endüstriyel Yağları Optimize Etmek için Derin Öğrenme Aracı
Fotoğraf: Düz bir sinir ağının şeması. Solda girdi, sağda çıktı olmak üzere üç katman mevcuttur. Her daire bir devreyi temsil eder. Kredi: Santak, P., & Conduit, G. (2019). Predicting physical properties of alkanes with neural networks. Fluid Phase Equilibria, 401, 112259. DOI: 10.1016/j.fluid.2019.112259
Yağlar endüstride önemli bileşenlerdir ve yaygın olarak kullanılmaktadır. Yüzeyleri aşınmalara karşı koruyabilir, sürtünmeyi azaltabilir, ısı aktarabilir ve mekanik cihazların sorunsuz bir şekilde çalışmasını sağlayabilirler.
Yağların ağırlıklı olarak alkanların bir karışımı olduğu düşünülürse modern yağ formülasyonlarının ideal olup olmadığı belirsizdir. Alkanların fiziksel özelliklerini öngörebilmek ve yağ performansı ile alkanlar arasındaki ilişkiyi anlamak hesaplamalı olarak türetilmiş ideal baz yağlarının geliştirilmesini kolaylaştıracaktır.
Cambridge Üniversitesi’nde yapılan son çalışmalardan biri benzersiz bir derin öğrenme algoritmasının (Alchemite) alkanların fiziksel özelliklerini doğru bir şekilde tahmin edebildiğini ve çeşitli fizyokimyasal ve termodinamik yöntemlerden daha iyi performans ortaya koyduğunu gösterdi.
The Fluid Phase Equilibria’da yayımlanan çalışma, alkanların fiziksel özelliklerini tahmin etmek için özellik – özellik korelasyonlarını kullanan yapay sinir ağlarını uyguladı.
Derin öğrenme algoritması, sıcaklığın bir fonksiyonu olarak kaynama noktasını, ısı sığasını ve buhar basıncını öngörmek için alkanların moleküler yapısını girer.
Bu algoritma tarafından üretilen sonuçlar diğer yöntemlerden önemli ölçüde daha doğru ve tutarlıdır.
Algoritma, alkanların fiziksel özelliklerini öngörmek için aralıklı deneysel verileri moleküler dinamik simülasyonlar ile birleştirerek üstün fiziksel özelliklere sahip baz yağlar için kullanılacak alkanların tespit edilmesini hızlandırabilir.
Geliştirilen derin öğrenme aracı Alchemite, sadece alkanların fiziksel özelliklerini tahmin etmekle kalmaz aynı zamanda yoğunluk ve kesme viskozitesi gibi zorlu özellikleri de saptar.
Alchemite, malzeme formülasyonları konusunda uzmanlaşmış endüstrilerin üretim süreçlerini önemli ölçüde optimize etmelerini, daha iyi ve daha hızlı sonuçlar almalarını sağlayabilir.
Çalışma, alkanların fiziksel özelliklerinin daha çok araştırılması için sağlam bir platform görevi görmektedir.
Özetle, sonuçlar alkanların veya başka herhangi bir yapının fiziksel özellikleri tahmin edilirken makine öğreniminin çok etkili bir yaklaşım olduğunu göstermektedir. Bu yaklaşım ilaçların keşfi, havacılık, otomotiv, kimya ve piller dahil olmak üzere diğer endüstri ve alanlara uygulanmaktadır.
Makine öğrenimi yeni malzemelerin keşfi ve optimizasyonu için deneyler yaparak Ar-Ge süreçlerini hızlandırarak maliyetleri azaltma ve pazara sunuş süresini kısaltma gibi potansiyellere sahiptir.
Bu çalışma araştırmacıların yayımlamış olduğu makalelerden bulgularını bildirdikleri Science X Dialog’un bir parçasıdır.
Kaynak: sciencex.com
