مهندسان CU Boulder در تلاش برای پیش بینی چگونگی خرابی وسایل الکترونیکی ، مانند ترانزیستورهای تلفن همراه شما ، گام بزرگی به جلو در ترکیب شبیه سازی های پیشرفته رایانه ای با هوش مصنوعی برداشته اند.

نئوگی و همکارانش از فیزیک بلوک های ساختمانی کوچک ساخته شده از اتم ها نقشه برداری کردند ، سپس از روش های یادگیری ماشین برای تخمین نحوه رفتار ساختارهای بزرگتر ایجاد شده از همان بلوک های ساختمانی استفاده کردند. Neogi ، استادیار گروه علوم مهندسی هوافضا Ann و H.J Smead گفت: "ما در تلاش هستیم که فیزیک دستگاه های دارای میلیاردها اتم را درک کنیم."

این یک پیگیری است که می تواند یک مزیت برای لوازم الکترونیکی باشد که زیربنای زندگی روزمره ما هستند ، از تلفن های هوشمند و ماشین های الکتریکی گرفته تا رایانه های کوانتومی نوظهور. نئوگی گفت ، مهندسان می توانند از روشهای تیم برای تعیین نقاط ضعف در طراحی قطعات الکترونیکی استفاده کنند.

این پروژه بخشی از تمرکز بزرگ Neogi بر روی این است که چگونه دنیای چیزهای بسیار کوچک ، مانند تکان دادن اتم ها ، می تواند به مردم در ساخت رایانه های جدید و کارآمدتر کمک کند - حتی رایانه هایی که از مغز انسان الهام می گیرند.

نئوگی گفت: "به جای اینکه سالها منتظر بمانیم تا بفهمیم چرا دستگاهها خراب می شوند ، روشهای ما می توانند قبل از اینکه دستگاهی را بسازیم ، اطلاعاتی پیشین درباره نحوه کار دستگاه به ما بدهند."

در مطالعه جدید ، نئوگی و همکارانش یک مدل رایانه ای ایجاد کردند که با استفاده از هوش مصنوعی خصوصیات فیزیکی موجود در آن بلوک ها را می آموزد - یا اینکه چگونه اتم ها و الکترون ها برای تعیین منظره انرژی درون یک ماده با هم ترکیب می شوند را درمی یابد. سپس مدل می تواند برای برآورد توزیع انرژی در یک قسمت بسیار بزرگتر از اتم ها ، از آن بلوک های اساسی برون یابی کند.

208000407.101