Материал цэвэршүүлэх хиймэл оюун ухааны жишээ ба шинжилгээ

1. Ашигт малтмалын боловсруулалтын ухаалаг илрүүлэлт ба оновчлол

Хүдэр цэвэршүүлэх чиглэлээр ашигт малтмал боловсруулах үйлдвэр нь ... нэвтрүүлэв.гүнзгий сургалтад суурилсан дүрс таних системХүдрийг бодит цаг хугацаанд шинжлэх. Хиймэл оюун ухааны алгоритмууд нь өндөр агуулгатай хүдрийг хурдан ангилж, ялгахын тулд хүдрийн физик шинж чанарыг (жишээ нь, хэмжээ, хэлбэр, өнгө) нарийн тодорхойлдог. Энэхүү систем нь уламжлалт гар аргаар ялгах алдааны түвшинг 15%-иас 3% хүртэл бууруулж, боловсруулалтын үр ашгийг 50%-иар нэмэгдүүлсэн.
.ШинжилгээХүний мэргэжлийн ур чадварыг харааны таних технологиор сольсноор хиймэл оюун ухаан нь хөдөлмөрийн зардлыг бууруулаад зогсохгүй түүхий эдийн цэвэр байдлыг сайжруулж, дараагийн цэвэршүүлэх алхмуудын бат бөх суурийг тавьдаг.

2. Хагас дамжуулагч материалын үйлдвэрлэл дэх параметрийн хяналт

Intel нь дараахыг ашигладаг.Хиймэл оюун ухаанаар удирддаг хяналтын системхагас дамжуулагч вафли үйлдвэрлэхэд химийн уурын тунадасжуулалт (CVD) зэрэг процессуудад чухал параметрүүдийг (жишээ нь, температур, хийн урсгал) хянах зорилгоор ашигладаг. Машин сургалтын загварууд нь параметрийн хослолыг динамикаар тохируулж, вафлины хольцын түвшинг 22%-иар бууруулж, гарцыг 18%-иар нэмэгдүүлдэг.
.Шинжилгээ‌: Хиймэл оюун ухаан нь нарийн төвөгтэй процессууд дахь шугаман бус хамаарлыг өгөгдлийн загварчлалаар дамжуулан олж авдаг бөгөөд хольцын хадгалалтыг багасгаж, эцсийн материалын цэвэр байдлыг сайжруулахын тулд цэвэршүүлэх нөхцлийг оновчтой болгодог.

3. Литийн батерейны электролитийн шинжилгээ ба баталгаажуулалт

Майкрософт нь Номхон далайн баруун хойд үндэсний лаборатори (PNNL)-тэй хамтран ... ашиглахаар ажилласан.Хиймэл оюун ухааны загварууд‌32 сая нэр дэвшигч материалыг шүүж, хатуу төлөвт электролит N2116-г тодорхойлох. Энэхүү материал нь литийн металлын хэрэглээг 70%-иар бууруулж, цэвэршүүлэх явцад литийн урвалд орохоос үүдэлтэй аюулгүй байдлын эрсдлийг бууруулна. Хиймэл оюун ухаан нь шүүлтийг хэдэн долоо хоногийн дотор гүйцэтгэсэн бөгөөд энэ ажлыг уламжлал ёсоор 20 жил шаарддаг байв.
.Шинжилгээ‌: Хиймэл оюун ухаанаар идэвхжүүлсэн өндөр хүчин чадалтай тооцооллын скрининг нь өндөр цэвэршилттэй материалыг нээх ажлыг хурдасгаж, найрлагын оновчлолоор дамжуулан цэвэршүүлэх шаардлагыг хялбарчилж, үр ашиг, аюулгүй байдлыг тэнцвэржүүлдэг.

Нийтлэг техникийн ойлголтууд

• .Өгөгдөлд суурилсан шийдвэр гаргалт‌: Хиймэл оюун ухаан нь материалын шинж чанар болон цэвэршүүлэлтийн үр дүнгийн хоорондын хамаарлыг зураглахын тулд туршилтын болон симуляцийн өгөгдлийг нэгтгэж, туршилт ба алдааны мөчлөгийг эрс богиносгодог.
• .Олон хэмжээст оновчлолАтомын түвшний зохицуулалтаас (жишээ нь, N2116 скрининг ⁶ ) макро түвшний процессын параметрүүд (жишээ нь, хагас дамжуулагч үйлдвэрлэл ⁵ ) хүртэл хиймэл оюун ухаан нь хөндлөн хэмжээний синергийг бий болгодог.
• .Эдийн засгийн нөлөө‌: Эдгээр тохиолдлууд нь үр ашгийг нэмэгдүүлэх эсвэл хаягдлыг бууруулах замаар зардлыг 20-40% бууруулж байгааг харуулж байна.

Эдгээр жишээнүүд нь хиймэл оюун ухаан түүхий эдийг урьдчилан боловсруулах, үйл явцын хяналт, эд ангийн дизайн гэсэн олон үе шатанд материал цэвэршүүлэх технологийг хэрхэн өөрчилж байгааг харуулж байна.