یک ابزار تحقیقاتی جدید می تواند دسترسی به بسیاری از مواد جدید را که برخی از آنها برای چاپ سه بعدی مناسب هستند، باز کند.
محققان زیادی در سراسر جهان در حال توسعه مواد جدید هستند. علم مواد هرگز بزرگتر نبوده است و تعداد مقالات تحقیقاتی منتشر شده در حال حاضر بسیار زیاد است.
در واقع، تعداد کاغذها سالانه شش درصد افزایش می یابد. حتی بدتر از آن، این مقالات تحقیقاتی به ویژه فراتر از جستجوهای متنی ساده قابل خواندن نیستند. همه ما می دانیم که این سبک جستجو چقدر می تواند ناسازگار باشد.
در این سناریو، این امکان برای محققان و سرمایه گذاری های تجاری وجود دارد که مواد جدیدی را که نه تنها می توانند مفید باشند، بلکه بازی را تغییر دهند، از دست بدهند. هیچ کس نمی تواند همه این مقالات را بخواند.
محققان موسسه فناوری جورجیا با استفاده از تکنیک های هوش مصنوعی راه حل جالبی ابداع کرده اند.
آنها تکنیکی را برای شناسایی خودکار خواص مواد از چکیده مقالات تحقیقاتی توسعه دادند. آنها با انتخاب 750 مقاله در مورد تحقیق مواد شروع کردند و آنها را با اطلاعات اضافی حاشیه نویسی کردند. این به نوبه خود برای آموزش یک سیستم پردازش زبان طبیعی استفاده شد.
در پایان آنها چیزی به نام “پژوهشگر پلیمر” ایجاد کردند که می تواند تقریباً فورا ماهیت یک ماده مشخص را آشکار کند. در اینجا شرح آنها از عملکرد است:
“این ابزار مقادیر ویژگی های موجود در چکیده مقالات مجلات را جستجو می کند. نام یک پلیمر (به عنوان مثال پلی اتیلن، پلی پروپیلن، پلی استایرن و غیره)، یا نام یک ویژگی (به عنوان مثال دمای ذوب، استحکام کششی، دمای انتقال شیشه و غیره) یا هر دو را وارد کنید. این یک نمودار تعاملی از مقادیر دارایی موجود در مقالات مجلات ایجاد می کند.”
همانطور که می بینید، این فقط یک عملکرد جستجو / جستجو نیست. داده ها را از چندین منبع جمع آوری می کند و آنها را در اطلاعات مفید جمع آوری می کند. سپس کاربر می‌تواند به سرعت بفهمد که آیا یک مطلب مناسب است یا نه، بدون نیاز به مرور ده‌ها مقاله تحقیقاتی. این می تواند در زمان قابل توجهی برای کسانی که به دنبال مواد منحصر به فرد هستند صرفه جویی کند.
در اینجا نمونه ای از آنچه از درخواست دمای ذوب برای پلی پروپیلن دریافت می کنید آورده شده است:
این همه چگونه انجام می شود؟ محققان یک خط لوله اطلاعات پیچیده ایجاد کردند که 2.4 میلیون مقاله تحقیقاتی باورنکردنی در مورد علم مواد را جستجو می کند. با افزایش مجموعه مقالات در آینده، این خط لوله به راحتی می تواند با سیل یافته های جدید همراه شود.
برخی ممکن است (به درستی) از ابزارهای هوش مصنوعی بترسند، اما در اینجا مثالی داریم که نه تنها برای محققان بلکه برای دنیای تجاری نیز مفید خواهد بود، جایی که مواد جدید می توانند شرکت ها و افراد را تغییر دهند.
در حال حاضر، این ابزار ممکن است به کسانی که در حال توسعه مواد پرینت سه بعدی جدید هستند کمک کند زیرا می تواند به سرعت نامزدهای آزمایش چاپ را شناسایی کند.
از طریق Nature and Polymer Scholar
منبع: https://www.fabbaloo.com/news/polymer-scholar-your-gateway-to-advanced-material-properties
