人工智慧突破有望降低電動車對稀土金屬的依賴

编辑者: Tatyana Hurynovich

新罕布夏大學的科學家運用人工智慧,加速尋找新的磁性材料。他們的研究促成了龐大資料庫的建立,這可能有助於減少電動車與再生能源對稀土元素的依賴。

研究人員建立了「東北材料資料庫」(Northeast Materials Database)——一個收錄 67 573 種磁性化合物的資源。其中包含 25 種在高溫下仍能保持磁性的新材料。該資料庫是運用人工智慧模型分析科學論文所得的成果。

研究主要作者蘇曼·伊塔尼指出:「透過加速發現永續磁性材料,我們可以降低對稀土元素的依賴,讓電動車與再生能源系統更便宜,並強化美國的製造基礎。」

現代的強力磁鐵往往需要稀土元素,而這些元素價格高昂、主要依賴進口,且開採困難。儘管已知的磁性化合物有數千種,但目前尚未從中發現全新的永久磁鐵。在實驗室中檢驗所有可能的組合,耗時過長且成本過高。

這項研究發表於《自然通訊》(Nature Communications)。團隊運用大型語言模型從論文中擷取實驗數據,接著訓練模型預測磁性與居禮溫度。參與該計畫的還包括物理學教授臧家東與博士後研究員張一博。

這項研究獲得美國能源部基礎能源科學辦公室的資助。科學家希望,該資料庫與不斷發展的人工智慧技術能讓尋找永續替代方案成為現實。

這項成果為交通與能源領域更便宜、更環保的技術開闢了道路。磁鐵應用於智慧型手機、醫療器材、發電機與電動車,因此這項發現的影響可能十分廣泛。

43 浏览量

來源

  • Here's why this AI breakthrough could free our electric cars from rare earths

留言

阅读更多关于此主题的文章:

Korea Aerospace Industries says its AI module on the 12U BEE-1012 CubeSat, launched on Nuri Oct 7, passed an orbital pilot Oct 20. Given a simulated fault, it diagnosed cause and scope and sent back a fix plan. A main demo starts in December. Image Credit: Yonsei University

Image
Reply

Great paper from Anthropic on AI agents doing ML-for-science research. (bookmark it) If you build AI-scientist systems, this one is worth your time. They propose Agent4Sci, which gives frontier coding agents 20 scientific ML benchmarks across 11 domains and asks them to beat

Image
Reply
发现错误或不准确的地方吗?我们会尽快处理您的评论。