محققان در موسسه فناوری ماساچوست روشی تازه برای آشکارسازی ساختار مواد کریستالی مانند فلزات، سنگها و سرامیکها معرفی کردهاند. تا پیش از این، دانشمندان برای تعیین ساختار این مواد از کریستالوگرافی اشعه ایکس بهره میبردند.
به گزارش رسانه فناوری تکنا، شیمیدانان اکنون یک مدل تولیدکننده هوش مصنوعی را رونمایی کردهاند که میتواند فرآیند تعیین ساختار کریستالهای پودری را بهشدت سادهتر نماید. این مدل پیشبینی به محققان در کشف مواد مناسب برای کاربرد در باتریها، آهنرباها و بسیاری دیگر از کاربردها کمک میکند.
ساختار مواد لی کلید شناخت ظرفیت ابررسانایی است. پروفسور دانا فریدمن، استاد شیمی فردریک جورج کیز در، اظهار داشت که ساختار نخستین چیزی است که باید درباره هر مادهای بدانید؛ این موضوع برای ابررسانایی، آهنرباها و شناخت فتوولتائیکها حیاتی است. مواد کریستالی که شامل فلزات و اکثر جامدهای غیرآلی میشوند، از شبکههایی تشکیل شدهاند که واحدهای تکراری یکسان زیادی دارند. محققان مدل جدید را به چندین زیر مأموریت تقسیم کردهاند.
مدل ابتدا اندازه و شکل جعبه شبکه و اتمهای داخل آن را تعیین میکند، سپس چیدمان اتمها در درون جعبه را پیشبینی میکند. برای هر الگوی پراش، مدل چندین ساختار ممکن میسازد که با تغذیه آنها به مدلی که الگوی پراش را محاسبه میکند، آزمون میشوند. اریک ریزل، دانشجوی فارغالتحصیل، در بیانیه مطبوعاتی بیان کرد مدل ما تولیدکننده است، یعنی ساختاری را میآفریند که قبلا دیده نشده و این امکان را میدهد که صدها گمانهزنی انجام دهیم و پیشبینی کنیم الگوی پودر برای هر گمانه چگونه باید باشد؛ اگر ورودی دقیقا با خروجی همخوانی داشته باشد، میدانیم که پیشبینی صحیح است.
محققان این مدل را بر روی بیش از صد الگوی پراش آزمایشی از پایگاه داده RRUFF، که دادههای پراش اشعه ایکس پودری برای تقریبا ۱۴ هزار ماده معدنی طبیعی را در خود جای داده، آزمایش کردند. در این آزمون مدل حدود ۶۷ درصد دقت داشت. سپس مدل بر روی الگوهای پراش حلنشده آزمایش گردید. این روش میتواند در شکلدهی مواد جدید با ساختارهای کریستالی متفاوت مفید باشد. محققان از مدل خود برای کشف ساختار سه مادهای که آزمایشگاه فریدمن با وادار کردن عناصر بیواکنش در فشار اتمسفری بالا سنتز کرده بود، بهره بردند. این رویکرد میتواند حتی برای مواد با ترکیب شیمیایی یکسان اما ساختار و خواص فیزیکی کاملا متفاوت، کاربرد داشته باشد.



