“مشکل الگوریتم های موجود این بود که آنها اطلاعاتی نداشتند که اتم منفرد از نظر هندسی در مولکول قرار دارد و چگونه به اتم های دیگر مولکول و اتم های روی سطح کاتالیزور متصل می شود. الگوریتم یادگیری ماشین جدید ما. می اندرسن، عضو موسسه مطالعات پیشرفته آرهوس (AIAS) و دانشیار دپارتمان فیزیک و نجوم در دانشگاه آرهوس، توضیح می دهد که، که مبتنی بر نظریه گراف ریاضی است، می تواند این اطلاعات را استخراج کرده و به طور موثر از آن استفاده کند. و همچنین عضوی از مرکز کاتالیز بین ستاره ای این بخش.
این الگوریتم می‌تواند به پیش‌بینی دقیق و کارآمد کمک کند که آیا یک ماده خاص خود را به عنوان کاتالیزور واکنش‌های شیمیایی شامل بسیاری از مولکول‌های پیچیده مختلف می‌سازد یا خیر.
ونبین زو، دانشجوی دکترا در مؤسسه فریتز هابر توضیح می‌دهد: «این با یک نوازنده با تجربه تتریس قابل مقایسه است که توانایی قرار دادن شهودی قطعات را بدون تجزیه و تحلیل هر یک از آنها به صورت جداگانه در حین رها کردنشان ایجاد می‌کند.
الگوریتم جدید حتی ممکن است بر درک ما از چگونگی شروع زندگی در زمین تأثیر بگذارد. به این دلیل که می‌تواند به تعیین چگونگی عملکرد ذرات غبار بین‌ستاره‌ای با اندازه نانو به عنوان کاتالیزور در فرآیندهای شیمیایی که باعث می‌شود گازها در فضا مولکول‌های پیچیده‌ای مانند پایگاه‌های DNA و اسیدهای آمینه‌ای که حیات روی زمین بر آنها استوار است، تشکیل دهند، کمک کند.
کاتالیزور ماده ای است که می تواند یک واکنش شیمیایی را بدون مصرف شدن توسط آن تسهیل کند.
یک بازی تتریس را تصور کنید که در آن نه تنها باید قطعات را به صورت سه بعدی روی هم قرار دهید، بلکه قطعات آن نیز بسیار پیچیده تر از هفت شکل هندسی هستند که معمولاً در بازی استفاده می کنید.
یادگیری نیاز به اطلاعات دارد
چنین بازی شدید تتریس چالش‌هایی را که محققان در سراسر جهان هنگام کار بر روی توسعه کاتالیزورهای جدید و بهتر برای طیف گسترده‌ای از فرآیندهای فنی-شیمیایی با آنها مواجه می‌شوند، کاملاً نشان می‌دهد.
کامپیوترها در حال یادگیری بازی تتریس شدید هستند
بنابراین چه چیزی این الگوریتم جدید را از بقیه متمایز می کند؟
هوش مصنوعی و یادگیری ماشین اختراعات جدیدی نیستند، اما تاکنون الگوریتم‌های موجود فقط قادر به پیش‌بینی اتصال مولکول‌های کوچکی بوده‌اند که با یک جهت آشکار به سطح متصل می‌شوند – درست مانند یک قطعه تتریس مربعی ساده.
اتصال باید دقیقاً درست باشد، در غیر این صورت ماده دیگر نمی تواند به عنوان یک کاتالیزور عمل کند (به کادر واقعیت در انتهای متن مراجعه کنید).
حقایقی در مورد کاتالیزورها:
هدف از همکاری بین آرهوس و برلین یافتن راهی سریع و کارآمد برای غربالگری کاتالیزورهای بالقوه بود. به طور خاص کاتالیزورهایی که می توانند برای سنتز سوخت های سبز مانند متانول، اتانول و متان مایع استفاده شوند.
بازیکن باتجربه تتریس ابررایانه را شکست داد
الگوریتم جدید در حال حاضر اطلاعات اتصال دقیقی را برای مولکول‌های بزرگ و پیچیده فراهم می‌کند که در واکنش‌هایی که می‌توانند سوخت مصنوعی تولید کنند، مرکزی هستند.
شاید به خاطر بیاورید که در درس شیمی در مدرسه به شما آموزش داده شد که چگونه با قرار دادن روی در ظرف حاوی اسید، هیدروژن بسازید. و چگونه می توان با قرار دادن یک کاتالیزور به شکل یک تکه مس در بالای روی، واکنش را زنده کرد.
در بسیاری از موارد، برای شروع یک واکنش شیمیایی به یک کاتالیزور نیاز است و در همه موارد، کاتالیزورها سرعت واکنش های شیمیایی را افزایش می دهند.
یکی از چالش‌ها این است که این واکنش‌ها معمولاً آنقدر مولکول‌های مختلف و پیچیده را شامل می‌شوند که حتی یک ابررایانه نمی‌تواند نامزدها را غربال کند. یک ابرکامپیوتر یک محاسبه مکانیکی کوانتومی قدرت اتصال را برای هر موقعیت احتمالی مولکول روی سطح کاتالیزور انجام می‌دهد و این به سادگی خیلی طول می‌کشد.
در این حالت، قطعات مولکول های بزرگ و پیچیده ای هستند که در یک واکنش شیمیایی به ماده دیگری متصل می شوند.
… برای انتقال سبز
نتایج اخیراً در مجله منتشر شده است علوم محاسباتی طبیعت.
محققان دانشگاه آرهوس و موسسه فریتز هابر در برلین یک الگوریتم یادگیری ماشینی ایجاد کرده‌اند که می‌تواند به رایانه‌ها آموزش دهد تا پیش‌بینی کنند مولکول‌ها چگونه به سطح متصل می‌شوند و چقدر قوی می‌شوند.
الکترون ها از روی به سمت مس حرکت می کنند و در آنجا با یون های هیدروژن موجود در اسید واکنش می دهند. هیدروژن تشکیل شده از سطح مس حباب می کند، اما ماده ای که تجزیه می شود روی است.
