Yapay Öğrenme Algoritması Kullanılarak Sürdürülebilir Malzeme Geliştirildi
Fotoğraf : Yapay öğrenme algoritması ile deney tasarımı, malzeme geliştirmek için en sürdürülebilir yöntemi belirlemede kullanılır. (KAUST- Xavier Pita)
Kimya alanında geliştirilen algoritmalar sayesinde, normalden daha az deneysel veriye ihtiyaç duyularak çok daha çevreci ürünler geliştirilebiliyor.
KAUST araştırmacıları, malzeme üretiminde daha temiz ve sürdürülebilir yöntemleri belirlemek için yapay öğrenme algoritması kullanarak en temiz üretim yöntemini belirlediler.
Gyorgy Szekely’nin laboratuvarında doktora sonrası araştırmacı olan Rifan Hardian, bilim insanlarının suyu tuzdan arındırma ve enerji depolama gibi sorunları çözmeye yardımcı olacak ileri teknoloji malzemeler geliştirdiğini belirtiyor. Hardian, “Geliştirilen bu malzemeler umut vadediyor olsa da, bu malzemelerin üretim aşamalarında genellikle toksik çözücüler kullanılıyor ve prosesler sonucu çok fazla enerji atığı oluşuyor. Sonuç olarak, çözüm ürettikleri çevresel sorunlardan daha fazla sorun oluşturuyorlar.” dedi.
Xiangliang Zhang ve ekibiyle birlikte Szekely ve Hardian, DoE adı verilen malzemeyi daha çevreci bir yaklaşım göstererek geliştirmeyi tasarladılar. Hardian, “Alışılagelmiş yöntemlerin aksine DoE, birden fazla faktörün aynı anda değiştirilmesine izin veren sistematik bir yaklaşıma imkan tanıyor.” dedi.
DoE, reaksiyon süresi ve sıcaklığı, reaktan ve solvent seçimi gibi değişkenlerin tek seferde en uygun kullanıma getirilmesine olanak tanır. Bu sayede gerçekleştirilmesi gereken deney sayısı azaltılır, aynı zamanda bir malzemenin geliştirilmesi için en temiz yol da belirlenmiş olur. Hardian, en iyi reaksiyonu oluşturmak için her değişkeni en iyi şekilde uyarlamak çok zordur diyor, tam olarak bu kısımda yapay öğrenme algoritmasının devreye girdiğini söylüyor.
Araştırmacılar, DoE ve yapay öğrenme algoritmasını beraber kullanarak ZIF-8 adlı popüler bir MOF malzemesini sürdürülebilir bir yöntemle oluşturmak istediler. Araştırma ekibi, ZIF-8’in elektrokimyasal sentezinde 10 farklı değişkeni en yüksek verimde olacak şekilde, en az atık oluşturarak gerekli olan prosesi belirlediler.
Hardian, “Değişkenlerin etkileşimlerini yapay öğrenme algoritması sayesinde bir bütün olarak görüntüleyerek belirledik. Eğer alışılagelmiş bir yaklaşım izleseydik gözden kaçabilecek pek çok beklenmedik hatayla karşılaşabilirdik.” dedi.
Szekely, DoE ve yapay öğrenme algoritmasını büyük ölçekli malzeme üretimine uygulamanın bir sonraki hedefleri olduğunu söylüyor. “Sonuç olarak amacımız, kendi kendini en iyi şartlarda sürekli olarak çalıştırabilen otonom bir laboratuvar sistemini geleceğe yönelik gerçeğe dönüştürmektir.” dedi.
Kaynakça: phys.org
