Yeni Yazılım Materyallerin Özelliklerini Tahmin Etmek için KullanılabilirFotoğraf : Propnet, kullanıcı tarafından girilen 20 değeri kullanarak yarı iletken wurtzite CdTe’nin düzinelerce özelliği için yüzlerce değer hesapladı. Turuncu = Cd ve Sarı = Te.

Bilim çağının insanlara vaatlerinden biri, büyük miktarda veri toplamanın ve bu verileri analiz etmenin yeni anlayışlara yol açmasıdır. Malzeme alanında çalışan bilim insanları bu fikri benimsediler ve son 10 yıl içinde malzemelerin özellikleriyle ilgili birkaç veri tabanı oluşturuldu. Oluşturulan yeni yazılım verileri kullanarak, ilk kez özellikler arasındaki matematiksel ilişkileri eşleştirerek, bilim insanlarının daha önceden ölçülmemiş olan özellik değerlerini hesaplaması ve mevcut malzemelerin yeni kullanımlarının bulunması veya yeni malzemelerin keşfedilmesi amaçlanmaktadır.

California Üniversitesi, Berkeley ve Lawrence Berkeley Ulusal Laboratuvarı’ndan Kristin A. Persson ve meslektaşları, malzeme özellikleri arasında bilinen matematiksel ilişkileri “Propnet” adı verilen açık kaynaklı bir hesaplama çerçevesinde kodladılar. Sistem, kullanıcının bilinen değerleri girmesini ve diğer değerler için hesap yapmasını sağlar.

Örneğin; bir kullanıcı bir malzemenin atomik yoğunluğu hakkında deneysel veriler girerse, Propnet birim hücrede atom başına hacmini hesaplayabilir. Ama aynı zamanda özellikler arasında daha uzak bağlantılar da kurabilir. Bir sunumda araştırmacılar, yarı iletken wurtzite CdTe’nin 20 özelliği için 20 değer girdiler ve 41 yeni özellik için Propnet, 629 değer hesapladı.

Propnet, ayrıca makine öğrenim algoritmaları gibi diğer yazılım araçlarıyla da birleştirilebilir.

Yazılım, araştırmacıların alanları dışındaki optik ve elektronik özellikler gibi alanlarda da bağlantılar kurabilir veya bu verilerle araştırmacıların yeni malzemeler keşfetmelerini sağlayabilir.

Ulusal Standartlar ve Teknoloji Enstitüsü Malzeme Genom Projesi direktörü James A. Warren, özellikler arasındaki matematiksel ilişkilerin kullanılması için “malzeme inovasyon altyapısının önemli bir bileşeni olacak” diyor. UC Berkeley’den Gerbrand Ceder, Propnet, araştırmacıların veri tabanlarından özellik çıkarımını kolaylaştıracak ve bu çıkarımlara “daha sıkı bir istatistiksel temel” verecek, diyor.

Kaynakça:  acs.org

Author

16.12.1999 tarihinde İstanbul'da doğdum. 2017 yılında İstanbul Teknik Üniversitesi Petrol ve Doğalgaz Mühendisliği bölümünü kazandım. 2017-2018 yılları arasında İngilizce hazırlık eğitimi aldım. 1 yıl Petrol ve Doğalgaz Mühendisliği okudum ardından Kimya Mühendisliğine geçiş yaptım. Kimya Mühendisliği 2.sınıf öğrencisiyim. Çeşitli internet sitelerinde bilimsel konularda makaleler yazdım ve çeviriler yaptım. Hem bilimsel gelişmelerden haberdar olmak ve insanları haberdar etmek hem de İngilizcemi geliştirmek için İnovatif Kimya Dergisi'nde ilgi alanlarım üzerinde çeviriler yapmaktayım.