AI za provjeru kvalitete materijala

Proizvodnja boljih baterija, brže elektronike i učinkovitijih lijekova ovisi o otkriću novih materijala i provjeri njihove kvalitete. Umjetna inteligencija pomaže u tome s alatima koji pretražuju kataloge materijala kako bi brzo označili obećavajuće kandidate.

No nakon što je materijal napravljen, provjera njegove kvalitete i dalje uključuje skeniranje specijaliziranim instrumentima kako bi se potvrdile njegove performanse, skup i dugotrajan korak koji može usporiti razvoj i distribuciju novih tehnologija.

Sada bi novi alat umjetne inteligencije koji su razvili inženjeri s američkog tehnološkog instituta MIT, mogao pomoći u uklanjanju uskog grla u kontroli kvalitete, nudeći bržu i jeftiniju opciju za određene industrije usmjerene na materijale.

U studiji objavljenoj danas u časopisu Matter , istraživači predstavljaju „SpectroGen“, generativni alat umjetne inteligencije koji unapređuje mogućnosti skeniranja služeći kao virtualni spektrometar.

Alat uzima „spektre“ ili mjerenja materijala u jednom načinu skeniranja, poput infracrvenog zračenja, i generira kako bi spektri tog materijala izgledali kada bi se skenirali u potpuno drugom načinu, poput rendgenskog zračenja. Spektralni rezultati generirani umjetnom inteligencijom podudaraju se, s točnošću od 99 posto, s rezultatima dobivenim fizičkim skeniranjem materijala novim instrumentom.

Određene spektroskopske modalnosti otkrivaju specifična svojstva materijala: infracrveno zračenje otkriva molekularne skupine materijala, dok rendgenska difrakcija vizualizira kristalne strukture materijala, a Ramanovo raspršenje osvjetljava molekularne vibracije materijala. Svako od ovih svojstava ključno je za mjerenje kvalitete materijala i obično zahtijeva zamorne tijekove rada na više skupih i različitih instrumenata za mjerenje.

Istraživači predviđaju da se pomoću SpectroGena može provesti niz mjerenja pomoću jednog i jeftinijeg fizičkog spektroskopa. Na primjer, proizvodna linija mogla bi provoditi kontrolu kvalitete materijala skeniranjem jednom infracrvenom kamerom. Ti infracrveni spektri mogli bi se zatim unijeti u SpectroGen kako bi se automatski generirali rendgenski spektri materijala, bez potrebe da tvornica ima zaseban, često skuplji laboratorij za rendgensko skeniranje i upravljanje njime.

Novi AI alat generira spektre za manje od jedne minute, tisuću puta brže u usporedbi s tradicionalnim pristupima čije mjerenje i validacija mogu trajati od nekoliko sati do dana.

„Mislimo da ne morate provoditi fizička mjerenja na sve potrebne načine, već možda samo na jedan, jednostavan i jeftin način“, kaže koautorica studije Loza Tadesse, docentica strojarstva na MIT-u. „Zatim možete koristiti SpectroGen za generiranje ostatka. A to bi moglo poboljšati produktivnost, učinkovitost i kvalitetu proizvodnje.“

Spektroskop ispituje svojstva materijala slanjem svjetlosti određene valne duljine u materijal. Ta svjetlost uzrokuje vibracije molekularnih veza u materijalu na načine koji raspršuju svjetlost natrag u spektroskop, gdje se svjetlost bilježi kao uzorak valova ili spektra, koji se zatim mogu pročitati kao potpis strukture materijala.

Da bi umjetna inteligencija generirala spektralne podatke, konvencionalni pristup uključivao bi obuku algoritma za prepoznavanje veza između fizičkih atoma i značajki u materijalu te spektara koje oni proizvode. S obzirom na složenost molekularnih struktura unutar samo jednog materijala, Tadesse kaže da takav pristup može brzo postati teško rješiv.

„Učiniti ovo čak i samo za jedan materijal je nemoguće“, kaže ona. „Pa smo pomislili, postoji li još neki način interpretacije spektara?“

Tim je pronašao odgovor pomoću matematike. Shvatili su da se spektralni uzorak, koji je niz valnih oblika, može matematički predstaviti. Na primjer, spektar koji sadrži niz krivulja zvona poznat je kao Gaussova distribucija, koja je povezana s određenim matematičkim izrazom, u usporedbi s nizom užih valova, poznatim kao Lorentzova distribucija, koja je opisana zasebnim, različitim algoritmom. I kako se ispostavilo, za većinu materijala infracrveni spektri karakteristično sadrže više Lorentzovih valnih oblika, dok su Ramanovi spektri više Gaussovi, a rendgenski spektri su mješavina ta dva.

Tadesse i Zhu su ovu matematičku interpretaciju spektralnih podataka pretvorili u algoritam koji su zatim ugradili u generativni model umjetne inteligencije.

„ To je generativna umjetna inteligencija s razumijevanjem fizike koja razumije što su spektri“, kaže Tadesse. „A ključna novost je da spektre nismo interpretirali kao nastanak kemikalija i veza, već kao matematiku - krivulje i grafovi koje alat umjetne inteligencije može razumjeti i interpretirati.“

Tim je demonstrirao svoj SpectroGen AI alat na velikom, javno dostupnom skupu podataka s preko 6000 uzoraka minerala. Svaki uzorak uključuje informacije o svojstvima minerala, kao što su njegov elementarni sastav i kristalna struktura. Mnogi uzorci u skupu podataka također uključuju spektralne podatke u različitim modalitetima, kao što su rendgensko, Ramanovo i infracrveno zračenje.

Od tih uzoraka, tim je u SpectroGen unio nekoliko stotina, u procesu koji je obučio AI alat, također poznat kao neuronska mreža, da uči korelacije između različitih spektralnih modaliteta minerala. Ova obuka omogućila je SpectroGenu da uzme spektre materijala u jednoj modalitetu, kao što je infracrveno zračenje, i generira kako bi trebao izgledati spektar u potpuno drugoj modalitetu, kao što je rendgensko zračenje.

Nakon što su obučili AI alat, istraživači su SpectroGenu dodali spektre minerala iz skupa podataka koji nije bio uključen u proces obuke. Zatražili su od alata da generira spektre na drugačiji način, na temelju ovih „novih“ spektara. Otkrili su da su spektri generirani AI-om bili bliski stvarnim spektrima minerala, koji su izvorno zabilježeni fizičkim instrumentom. Istraživači su proveli slične testove s nizom drugih minerala i otkrili da AI alat brzo generira spektre, s 99-postotnom korelacijom.

Tim kaže da SpectroGen može generirati spektre za bilo koju vrstu minerala. U proizvodnom okruženju, na primjer, materijali na bazi minerala koji se koriste za izradu poluvodiča i baterijskih tehnologija mogli bi se prvo brzo skenirati infracrvenim laserom. Spektri iz ovog infracrvenog skeniranja mogli bi se unijeti u SpectroGen, koji bi zatim generirao spektre u rendgenskom obliku, koje operateri ili multiagentna AI platforma mogu provjeriti kako bi procijenili kvalitetu materijala.

„Zamišljam to kao da imamo agenta ili kopilota koji podržava istraživače, tehničare, cjevovode i industriju“, kaže Tadesse. „Planiramo ovo prilagoditi potrebama različitih industrija.“