Az úgynevezett egzotikus vagy fejlett anyagok, például a grafén átalakítják a világot. Az innovációban, újak fejlesztésekben, a piacra kerülésben rengeteget segíthet a folyamatokat pontosító és felgyorsító gépi tanulás.

Az amerikai Sandia Nemzeti Laboratóriumban drasztikusan felpörgették a tudósokat ilyen új matériák fejlesztésében, a tervben vagy a gyártásban eszközölt változások következményeinek, például a fémek ötvözeten belüli egyensúlyának megértésében támogató szimulációkat.

A kutatók ideghálót gyakoroltattak, hogy képes legyen előrejelezni anyagok tulajdonságainak módosulását abban a folyamatban, amikor egy anyag hő jelenlétében vagy éppen annak hiányában alkotóelemeire esik szét. A modellt 5 ezer szimuláción trenírozták, mindegyikben volt 60 „pillanatkép” a változáson áteső ötvözet mikroszkopikus szerkezetéről.

A megfigyelések – „pillanatképek” – számát elsődleges összetevő-elemzéssel jelentősen, összesen tízre, a tíz legfontosabbra csökkentették. Leegyszerűsített megjelenítéseiket betáplálták az ideghálóba, amely így tanulta meg előrejelezni az anyag változásait a folyamat soron következő etapjaiban.

A modellel termodinamikus folyamatokat, például megolvadt ötvözetek hűlés közbeni átalakulását szimulálták. 42 ezerszer gyorsabban ment, mint a hagyományos szimulációk: 12 perc helyett 60 milliszekundum alatt futott le egy, azaz a gépi tanulás bizonyítottan jó eszköz időben hosszabb folyamatok drasztikus lerövidítésére.

A gyorsaságnak azonban ára van. A hagyományos módszerrel összehasonlítva, az eredmény, a pontosság 5 százalékkal csökkent. Mégis megéri, mert változatos területeken, a fénytantól a légjármű-iparig, az energiatárolástól az egészségügyig, anyagfejlesztési szimulációktól felpörögnek a felfedezések, újítások.

A Sandia kutatói a jövőt illetően, ultravékony kijelzőkben gondolkoznak, mostani eredményeiket azokhoz használnák fel.

Nem ez volt az első, és nyilván nem az utolsó eset, amikor gépi tanulással oldottak meg tudományos szimulációs problémákat. Az Alphafold 3D-s fehérjeszerkezeteket talál ki, amelyekkel a gyógyszerfejlesztést teheti a mainál dinamikusabbá. A DENSE a csillagászatban, az éghajlattudományban és a fizikában gyorsítja fel a szimulációkat.