Forskare använder diffusionsmodeller – tekniken bakom AI-bildgeneratorer – för att ta fram framtidens material och spara industriell tid.
Forskare vid amerikanska Los Alamos National Laboratory har utvecklat en ny AI-modell för att optimera ytbehandling av material, så kallad elektroplätering. Resultaten har publicerats i den vetenskapliga tidskriften Journal of The Electrochemical Society.
Modellen bygger på samma grundläggande teknik som populära AI-bildgeneratorer använder: diffusionsmodeller. Men i stället för att spotta ur sig konstverk har systemet matats med data kring temperaturer, strömstyrkor och högupplösta bilder från svepelektronmikroskop.
Enligt branschsajten HPCwire kan mjukvaran nu på egen hand förutse hur materialens ytstruktur och egenskaper kommer att formas. Alexander Scheinker, forskaren som leder AI-arbetet, uppger att tekniken drastiskt minskar behovet av tidsödande trial-and-error i labbet när nya material ska tas fram.
Att flytta generativ AI från ren text och bild till tung industriell tillverkning visar hur tekniken börjar göra faktisk nytta i den fysiska världen. Om en AI blixtsnabbt kan räkna ut hur kemikalier och ström ska blandas på atomnivå kan det kapa ledtiderna rejält för svenska och europeiska industribolag som tillverkar allt från elbilsbatterier till kretskort. Det sänker också kostnaderna när färre misslyckade fysiska prototyper behöver kasseras.
Närmast väntar bredare tester av systemet i Los Alamos egna produktionsanläggningar. På sikt är förhoppningen att metoden ska kunna anpassas för fler typer av kemiska processer och materialforskning.
Läs också: