برنامه یادگیری ماشین برای بازی ها به توسعه یک الگوریتم مدل سازی مولکولی کمک می کند

برنامه های یادگیری ماشین راه را برای چندین مرز تحقیقاتی و پیشرفت هموار کرده است. این برنامه‌ها به شیوه‌ای شبیه انسان عمل می‌کنند و تکنیک‌ها و مهارت‌های جدید را با استفاده از روش‌های آزمون و خطا یاد می‌گیرند. این فرآیند شامل تکرارها و اطلاعات مجدد یادگیری است، جایی که بخش خوب برای استفاده در آینده انتخاب می شود و از نتایج بد اجتناب می شود. بر اساس یادگیری تقویتی، دانشمندان در آزمایشگاه ملی آرگون (DOE) وزارت انرژی ایالات متحده الگوریتمی را توسعه داده اند که به مدل سازی خواص مواد در سطح اتمی و مولکولی کمک می کند.

در مقاله ای در ژانویه 2022 که در Nature Communications منتشر شد، دانشمندان در مرکز Argonne DOE برای مواد نانومقیاس توسعه یک الگوریتم یادگیری تقویتی را گزارش کردند که می تواند به سرعت بخشیدن به روند کشف مواد کمک کند. هدف این تیم از طریق الگوریتم یادگیری ماشینی کاهش زمان تشخیص و در عین حال ارائه داده‌های با کیفیت بالاتر است.

Sukriti Manna، یکی از همکاران تحقیقاتی در مرکز مواد نانومقیاس Argonne (CNM) گفت: “الهام بخش ما AlphaGo بود.” و افزود: “این اولین برنامه کامپیوتری است که یک بازیکن قهرمان جهان Go را شکست می دهد.”

برای آزمایش الگوریتم، این تیم با 54 عنصر در جدول تناوبی آزمایش کردند. این الگوریتم محاسبه میدان‌های نیروی خوشه‌ای در مقیاس نانو را برای هر عنصر یاد گرفت و در زمان رکوردی نمایش موفقی ارائه داد. محاسبات تجربی روی آلیاژهای دو عنصری نیز تکرار شد. پیچیدگی این نانو خوشه ها استفاده از روش های سنتی برای مدل سازی دقیق آنها را برای دانشمندان دشوار می کند.

“این به نوعی مانند تکمیل حساب دیفرانسیل و انتگرال برای چندین دکترا است.” روهیت باترا، کارشناس CNM در ابزارهای مدیریت داده و یادگیری ماشین، می‌گوید: پایان‌نامه‌ها در چند روز هر کدام به جای سال‌ها. تروی لوفلر، شیمیدان محاسباتی و نظری در CNM، معتقد است که این الگوریتم باید به محققان کمک کند تا با چالش‌های بزرگ در بسیاری از زمینه‌های علم مواد مقابله کنند.

بسیاری از الگوریتم‌های مبتنی بر هوش مصنوعی که از یادگیری تقویتی استفاده می‌کنند، قبلاً طراحی شده‌اند. این الگوریتم‌ها به انجام بازی‌هایی مانند شطرنج و Go کمک می‌کنند، سنتز شیمیایی را خودکار می‌کنند و حتی برای کشف مواد مخدر استفاده می‌شوند.