इमारती थंड ठेवण्यासाठी एआय पेंटसाठी फॉर्म्युला शोधण्यात मदत करते कृत्रिम बुद्धिमत्ता (एआय)

आय-इंजिनियर्ड पेंटमुळे शहरांमध्ये शहरी उष्णता बेटाचा प्रभाव कमी होऊ शकतो आणि वातानुकूलन बिले कमी होऊ शकतात, असे शास्त्रज्ञांनी दावा केला आहे की, मशीन लर्निंग इलेक्ट्रिक मोटर्सपासून कार्बन कॅप्चरपर्यंतच्या प्रत्येक गोष्टीसाठी नवीन सामग्री तयार करण्यास गती देते.

मटेरियल तज्ञांनी नवीन कोटिंग्ज तयार करण्यासाठी कृत्रिम बुद्धिमत्तेचा वापर केला आहे जे मध्यरात्रीच्या उन्हाच्या प्रदर्शनानंतर सामान्य पेंटपेक्षा 5 सी आणि 20 सी दरम्यान इमारती ठेवू शकतात. ते मोटारी, गाड्या, विद्युत उपकरणे आणि इतर वस्तूंवर देखील लागू केले जाऊ शकतात ज्यास गरम होणार्‍या जगात अधिक शीतकरण आवश्यक असेल.

मशीन लर्निंगचा वापर करून, अमेरिका, चीन, सिंगापूर आणि स्वीडनमधील विद्यापीठांमधील संशोधकांनी सूर्याच्या किरणांचे प्रतिबिंबित करण्यासाठी आणि उष्णतेचे उत्सर्जन करण्यासाठी नवीन पेंट फॉर्म्युल्सची रचना केली, असे पीअर-पुनरावलोकन केलेल्या अभ्यासानुसार प्रकाशित निसर्ग विज्ञान जर्नल मध्ये.

पारंपारिक चाचणी-आणि-त्रुटीच्या दृष्टिकोनातून वैज्ञानिक प्रगतीसाठी झेप घेण्यासाठी एआय वापरण्याचे हे नवीनतम उदाहरण आहे. गेल्या वर्षी ब्रिटीश कंपनी मॅटनेक्सने दुर्मिळ पृथ्वीच्या धातूंचा वापर टाळण्यासाठी इलेक्ट्रिक वाहन मोटर्समध्ये वापरल्या जाणार्‍या नवीन प्रकारचे कायमस्वरुपी चुंबक तयार करण्यासाठी एआयचा वापर केला, ज्याचे खाण कार्बन-केंद्रित आहे.

मायक्रोसॉफ्टकडे आहे सोडले संशोधकांना नवीन अजैविक सामग्री वेगाने डिझाइन करण्यात मदत करण्यासाठी एआय साधने – बहुतेकदा सौर पॅनल्स आणि वैद्यकीय रोपणांमध्ये वापरल्या जाणार्‍या स्फटिकासारखे रचना. आणि वातावरणात कार्बन अधिक चांगले कॅप्चर करण्यासाठी आणि अधिक कार्यक्षम बॅटरी बनवण्याच्या नवीन सामग्रीच्या आशा आहेत.

पेंट रिसर्च ऑस्टिन, शांघाय जिओ टोंग युनिव्हर्सिटी, सिंगापूरचे नॅशनल युनिव्हर्सिटी आणि स्वीडनमधील उमे युनिव्हर्सिटी येथे शैक्षणिक शिक्षणशास्त्रज्ञांनी केले. असे आढळले आहे की चार मजली अपार्टमेंट ब्लॉकच्या छतावर अनेक नवीन ए-सक्षम पेंट्स लागू केल्याने रिओ डी जानेरो किंवा बँकॉक सारख्या गरम हवामानात वर्षाकाठी 15,800 किलोवॅट तासांच्या वीजची बचत होऊ शकते. जर पेंट 1000 ब्लॉक्सवर लागू केला गेला असेल तर यामुळे एका वर्षासाठी 10,000 पेक्षा जास्त वातानुकूलन युनिट्स उर्जा मिळू शकेल.

टेक्सास युनिव्हर्सिटीचे प्रोफेसर आणि अभ्यासाचे सह-नेते युगेबिंग झेंग म्हणाले: “आमची मशीन लर्निंग फ्रेमवर्क थर्मल मेटा-एमिटरच्या डिझाइनमध्ये महत्त्वपूर्ण झेप दर्शवते. प्रक्रिया स्वयंचलित करून आणि डिझाइनची जागा विस्तृत करून आम्ही पूर्वीच्या अकल्पनीय कामगिरीसह सामग्री तयार करू शकतो.”

ते म्हणाले की, एका महिन्याचे काम एआय वापरुन काही दिवसांत नवीन सामग्रीचे डिझाइनिंग केले जात आहे आणि चाचणी आणि त्रुटीद्वारे कधीही शोधल्या गेलेल्या नवीन सामग्री तयार केल्या जात आहेत.

“आता आम्ही मशीन लर्निंग आउटपुटचे अनुसरण करतो, [its instructions for] रचना आणि कोणत्या प्रकारची सामग्री आपण वापरली पाहिजे आणि बर्‍याच, अनेक डिझाइन आणि फॅब्रिकेशन टेस्टिंग चक्रांमधून न जाता आम्ही ते योग्य मिळवू शकतो. ”

इम्पीरियल कॉलेज लंडनचे रसायनशास्त्र व्याख्याते डॉ. अ‍ॅलेक्स गॅनोस यांनी नवीन सामग्रीची रचना करण्यासाठी मशीन लर्निंगचा वापर केला आहे. ते म्हणाले: “या जागेत गोष्टी खूप वेगाने पुढे जात आहेत. गेल्या वर्षात किंवा तेथे अनेक स्टार्टअप्स सामग्रीसाठी जनरेटिव्ह एआय वापरण्याचा प्रयत्न करीत आहेत.”

ते म्हणाले की नवीन सामग्री डिझाइन करण्याच्या प्रक्रियेसाठी कोट्यावधी संभाव्य संयोजनांची गणना करणे आवश्यक आहे. एआय भौतिक शास्त्रज्ञांना संगणकीय शक्तीमधील मागील निर्बंधांवर जोर देण्यास अनुमती देते. याचा अर्थ असा आहे की सामग्री तयार करण्याची आणि नंतर त्याच्या गुणधर्मांची चाचणी घेण्याची पारंपारिक प्रक्रिया उलट केली जाऊ शकते, वैज्ञानिकांनी एआयला कोणत्या गुणधर्मांना आधी पाहिजे आहे हे सांगण्यास सक्षम केले आहे.