U svijetu znanosti o materijalima riječ „greška“ nije uvijek negativna. Iako u svakodnevnom govoru greške povezujemo s neuspjehom, inženjeri već desetljećima znaju da su upravo atomske nepravilnosti tajni sastojak koji čini moderne tehnologije mogućima. Kad se u čelik, poluvodiče ili solarne ćelije unesu određene greške, moguće je podesiti električnu provodnost, povećati čvrstoću ili poboljšati učinkovitost. No, postoji veliki problem: te greške je izuzetno teško izmjeriti bez oštećenja samog materijala.
Dosad su znanstvenici morali rezati, brusiti ili na neki drugi način uništavati uzorak kako bi saznali što se događa unutar njega. Time bi se proizvod često činio neupotrebljivim. Tim istraživača s Massachusetts Institute of Technology (MIT) razvio je umjetnu inteligenciju koja rješava tu zagonetku: analizira podatke neutronskog raspršivanja, a da pritom materijal ostane netaknut. Rezultat je točna slika o rasporedu atomske greške bez jednog jedinog reza.
Zašto je važno vidjeti „cijelog slona“
Mingda Li, profesor nuklearne znanosti i inženjerstva na MIT-u, voli koristiti priču o slijepim ljudima i slonu. Svaki od njih dodiruje drugi dio životinje: jedan rog, drugi rep, treći nogu. Svaki zaključuje nešto drugo, ali nitko ne može zamisliti cijelu sliku. Tako je i s današnjim dijagnostičkim metodama: jedna mjeri električna svojstva, druga detektira strukturne pomake, treća bilježi toplinske promjene, no nitko ne može dati potpun pregled.
Ta fragmentiranost znači da inženjeri često rade u mraku, što dovodi do materijala koji u nekim dijelovima rade savršeno, a u drugim pucaju ili gube svojstva. Kad se ne vidi cjelovita slika, gotovo je nemoguće predvidjeti kako će se materijal ponašati u stvarnim uvjetima.
Kako radi novi AI sustav
Umjesto da se oslanja samo na jednu vrstu podataka, novi model kombinira neutronsko raspršivanje s algoritmima dubokog učenja. Neutroni su izvrsni detektivi: prodiru duboko u materijal, otkrivajući gdje su atomi pomaknuti, fali im jedan ili su zamijenjeni drugim vrstama. No, sirovi signali su komplicirani i puni šuma. Tu na scenu stupa umjetna inteligencija: nauči raspoznati uzorke koji odgovaraju određenim vrstama grešaka i izračunava koliko ih ima te kako su raspoređene.
Postupak je potpuno beskontaktan. Uzorak ostaje cijeli, što znači da ga nakon testiranja možete ugraditi u avion, električni auto ili nuklearni reaktor bez brige da je oslabljen.
Praktične koristi za industriju
Rezultati već privlače pažnju proizvođača čelika, baterija i solarne opreme. Evo nekoliko konkretnih primjena:
- Čelik za velike turbine: Otkrivanje mikroskopskih praznina prije nego što dođe do puknuća koje bi moglo koštati milijune u iznenadnim zastojima.
- Litij-ionske baterije: Praćenje formiranja grešaka u kristalima litija koje uzrokuju brzo pražnjenje i pregrijavanje.
- Fotovoltaici: Pronalaženje točaka u siliciju gdje elektroni „zaglavlju“; kad se te točke uklone, efikasnost panela raste i do 15 %.
Proizvođa