مشاور ارشد تحقیقات و کارآفرینی با بیان اینکه یادگیری ماشینی و انفورماتیک مواد مسیر کشف مواد جدید را تغییر می‌دهند، گفت: پیش‌بینی‌های بسیار سریع و دقیق خواص مواد که توسط هوش مصنوعی امکانپذیر شده کمک می‌کنند تا مواد جدید را در فضای ترکیبی و بیش ساختاری وسیع بررسی کنیم.
به گزارش ستاد خبری نمایشگاه اینوتکس ۲۰۲۲، مریم امامی، مشاور ارشد تحقیقات و کارآفرینی در رویداد نکستیشن نمایشگاه اینوتکس درباره چشم‌انداز انفورماتیک در آینده علم گفت: کمتر از صد سال پیش نخستین ترانزیستور ساخته شد، در این زمان وارد عصر سیلیکون شدیم و دسترسی به کامپیوتر و موبایل برای همه ممکن شد.
او ادامه داد: تنوع مواد امروز بسیار بالاست، اکنون بیش از ۵۳۰ نوع مختلف فرز آلومینیوم و بیش از ۲۲ هزار فرز فولاد در اختیار داریم، با این تنوع زیاد در مواد مهندسی می‌توان فرض کرد که برای هر مشکل قابل تصور در علم مواد یک راه‌حل وجود دارد که تصور درستی نیست.
این مشاور ارشد تحقیقات و کارآفرینی اظهار کرد: در سال ۲۰۰۸ آکادمی ملی مهندسی ۱۴ تاریخ بزرگ در مهندسی برای قرن ۲۱ را شناسایی کرد که شامل فراهم کردن دسترسی به آب تمیز و اقتصادی کردن انرژی خورشیدی هست که حل این چالش‌ها مستلزم کشف مواد جدید است. او اظهار کرد: زمانی که مواد به صورت تصادفی کشف نشده‌اند روند توسعه مواد جدید بسیار کند و پیچیده است.
امامی با اشاره به چگونگی ساخت لامپ توسط ادیسون گفت: وقتی صحبت از مواد به میان می‌آید فضای زیادی از احتمالات وجود دارد و ما در بهترین حالت در کنار آزمون و خطای ادیسونی به یک سری از آزمایش‌های توان عملیاتی بالا تکیه می‌کنیم. او بیان کرد: در دهه گذشته با کارهای نوآورانه و ابتکارات بزرگی با اهداف بلندپروازانه توسعه و ارتقای مواد جدید با سرعت چند برابر و با کسری از هزینه بودیم.
این مشاور ارشد تحقیقات و کارآفرینی اظهار کرد: از آنجایی که آگاهی نداریم که ویژگی خاص یک ماده را چگونه محاسبه کنیم، یادگیری ماشین و انفورماتیک مواد می‌تواند با پیش‌بینی سریع خواص و ویژگی‌های مواد، به پژوهشگران کمک کند.
او با بیان اینکه یادگیری ماشینی و انفورماتیک مواد مسیر کشف مواد جدید را تغییر می‌دهند، گفت: پیش‌بینی‌های بسیار سریع و دقیق خواص مواد که توسط هوش مصنوعی امکانپذیر شده به این معناست که ما می‌توانیم مواد جدید را در فضای ترکیبی و بیش ساختاری وسیع بررسی کنیم، وقتی نوبت به کشف مواد می‌رسد اتکا به شانس را از این فرآیند خارج کنیم، زیرا برای نخستین بار ابزاری در اختیار قرار گرفته که امکان استفاده از شانس حساب شده را برای ما ایجاد می‌کند.
امامی بیان کرد: با استفاده از هوش مصنوعی می‌توان خواص آلیاٰژهای مواد را پیش‌بینی کرد، فرآیند توسعه مواد را کاهش می‌دهد و ما می‌توانیم با استفاده از تخیل خود موادی که زمانی امکانپذیر نبود را بسازیم.
او افزوپ: اکنون این امکان ایجاد شده که با سرعت باورنکردنی مواد جدید با ویژگی‌های هدفمند را با استفاده از یادگیری ماشین بررسی کنیم و نشان دهنده یک جهش کوانتومی در مقایسه با رویکردهای قبلی است و این رویکرد به اندازه کشف برنز، فولاد و سیلیکون دگرگون‌کننده است
