• دوشنبه / ۲۸ آذر ۱۴۰۱ / ۰۹:۵۵
  • دسته‌بندی: فناوری
  • کد خبر: 1401092818723
  • خبرنگار : 71654

استفاده از یادگیری ماشینی برای درک بهتر نحوه رفتار آب

استفاده از یادگیری ماشینی برای درک بهتر نحوه رفتار آب

محققان برای بررسی ویژگی‌های قابل توجه آب که تحقیق در مورد آنها در آزمایشگاه تقریبا غیرممکن است، از یادگیری ماشینی کمک گرفتند.

به گزارش ایسنا و به نقل از فیز، دهه‌ها است که آب باعث شگفتی دانشمندان بوده است. در حدود ۳۰ سال اخیر، دانشمندان این نظریه را مطرح کرده‌اند که وقتی دمای این مایع حیات بسیار پایین می‌آید برای مثال منفی ۱۰۰ درجه سانتیگراد، ممکن است بتواند به دو فاز مایع با چگالی‌های متفاوت تبدیل شود. مانند روغن و آب، این فازها با هم مخلوط نمی‌شوند و ممکن است به توضیح برخی از رفتارهای عجیب دیگر آب مانند اینکه چگونه با سرد شدن چگالی کمتری پیدا می‌کند، کمک کنند.

با این حال، مطالعه این پدیده در آزمایشگاه تقریبا غیرممکن است، زیرا آب در چنین دماهای بسیار پایینی سریع به یخ تبدیل می‌شود. اکنون، محققان در تحقیقاتی جدید در موسسه فناوری جورجیا از مدل‌های یادگیری ماشینی برای درک بهتر تغییرات در فازهای آب استفاده کرده و راه‌های بیشتری را برای درک نظری آن‌ فراهم کرده‌اند.

محققان با این روش به شواهد محاسباتی قوی در حمایت از انتقال مایع به مایع آب یافته‌اند که می‌توان از آنها در سیستم‌های واقعی که عملکرد آنها نیاز به آب دارد، استفاده کرد.

توماس گارتنر(Thomas Gartner)، استادیار دانشکده مهندسی شیمی و زیست مولکولی جورجیاتک، می‌گوید: ما این کار را با محاسبات شیمی کوانتومی بسیار دقیق انجام می‌دهیم و سعی می‌کنیم تا حد امکان به فیزیک واقعی و شیمی فیزیک(physical chemistry) آب نزدیک شویم. این اولین بار است که کسی توانسته این انتقال را با این سطح از دقت مطالعه کند.

شیمی فیزیک شاخه‌ای از دانش شیمی است که در آن، از قواعد و قوانین فیزیکی، برای حل مسائل شیمی استفاده می‌شود.

شبیه‌سازی آب

برای درک بهتر نحوه رفتار آب، محققان به انجام شبیه‌سازی‌های مولکولی در ابررایانه‌ها پرداختند که گارتنر آنها را به یک میکروسکوپ مجازی تشبیه می‌کند.

او می‌گوید: اگر یک میکروسکوپ بی‌نهایت قدرتمند داشتید، می‌توانید تا سطح مولکولی بزرگ‌نمایی انجام دهید و حرکت و تعامل مولکول‌ها را در لحظه تماشا کنید. این کاری است که ما با ساختن یک فیلم محاسباتی انجام می دهیم.

محققان نحوه حرکت مولکول‌ها را تجزیه و تحلیل کردند و ساختار آب را در دماها و فشارهای مختلف مشخص کردند. آن‌ها همچنین تغییرات فاز مایعات با چگالی بالا و کم را شبیه‌سازی کردند. آنها داده‌های گسترده‌ای جمع‌آوری کردند و به تنظیم دقیق الگوریتم‌های خود برای کسب نتایج دقیق‌تر ادامه دادند. اجرای برخی شبیه‌سازی یک سال به طول انجامید.

یک دهه قبل، اجرای چنین شبیه‌سازی‌های زمان‌بر و دقیقی امکان‌پذیر نبود، اما امروزه یادگیری ماشینی یک میانبر فراهم می‌کند. محققان از یک الگوریتم یادگیری ماشینی که انرژی نحوه تعامل مولکول‌های آب با یکدیگر را محاسبه می‌کرد، استفاده کردند. این مدل ماشینی، محاسبات را به طور قابل توجهی نسبت به روش‌های سنتی تسریع می‌کند و به شبیه‌سازی‌ها اجازه می‌دهد تا به نحوی بسیار کارآمدتر پیشرفت کنند.

یادگیری ماشینی عالی و کامل نیست، بنابراین این شبیه‌سازی‌های زمان‌بر دقت پیش‌بینی‌ها را نیز بهبود بخشید. محققان با دقت پیش‌بینی‌های خود را با انواع مختلفی از الگوریتم‌های شبیه‌سازی آزمایش کردند و اگر شبیه‌سازی‌های متعدد نتایج مشابهی حاصل می‌کردند، آنگاه دقت آنها را تایید می‌کردند.

گارتنر می‌گوید: یکی از چالش‌های این کار این است که داده‌های زیادی وجود ندارد که بتوانیم با هم مقایسه کنیم، زیرا این مسئله‌ای است که مطالعه تجربی آن تقریباً غیرممکن است.

فراتر از آب در زمین

برخی از شرایطی که محققان آزمایش کردند، شرایطی بودند که احتمالاً به طور عادی روی زمین وجود ندارند، اما به طور بالقوه می‌توانند در محیط‌های آبی مختلف منظومه شمسی، از اقیانوس‌های قمر اروپا تا آب‌های موجود در مرکز ستاره‌های دنباله‌دار، وجود داشته باشند. با این حال، این یافته‌ها می‌توانند به محققان در توضیح و پیش‌بینی بهتر شیمی فیزیک عجیب و پیچیده آب کمک کنند وکاربردهای آب در فرآیندهای صنعتی و ساخت مدل‌های جوی را مشخص کنند.

انتهای پیام

  • در زمینه انتشار نظرات مخاطبان رعایت چند مورد ضروری است:
  • -لطفا نظرات خود را با حروف فارسی تایپ کنید.
  • -«ایسنا» مجاز به ویرایش ادبی نظرات مخاطبان است.
  • - ایسنا از انتشار نظراتی که حاوی مطالب کذب، توهین یا بی‌احترامی به اشخاص، قومیت‌ها، عقاید دیگران، موارد مغایر با قوانین کشور و آموزه‌های دین مبین اسلام باشد معذور است.
  • - نظرات پس از تأیید مدیر بخش مربوطه منتشر می‌شود.

نظرات

شما در حال پاسخ به نظر «» هستید.
لطفا عدد مقابل را در جعبه متن وارد کنید
captcha