هدف چارچوب هوش مصنوعی مبتنی بر فیزیک این است که پیشبینیهای مربوط به مواد جدید را آزمایشپذیرتر کند
هوش مصنوعی به طور فزاینده ای برای کشف مواد جدید مورد استفاده قرار می گیرد، اما رویکردهای مبتنی بر داده های مرسوم می توانند پیش بینی های خود را توضیح دهند، به طور قابل اعتماد فراتر از داده های آموزشی خود کار کنند و با قوانین فیزیکی سازگار باقی بمانند. یک دیدگاه جدید چارچوبی به نام هوش مصنوعی مواد فیزیک پایه (PhysMat AI) را پیشنهاد می کند که دانش فیزیکی بنیادی را در فرآیند کشف مواد ادغام می کند.
هوش مصنوعی به طور فزاینده ای برای کشف مواد جدید مورد استفاده قرار می گیرد، اما رویکردهای مبتنی بر داده های مرسوم می توانند پیش بینی های خود را توضیح دهند، به طور قابل اعتماد فراتر از داده های آموزشی خود کار کنند و با قوانین فیزیکی سازگار باقی بمانند. یک دیدگاه جدید چارچوبی به نام هوش مصنوعی مواد فیزیک پایه (PhysMat AI) را پیشنهاد میکند که دانش فیزیکی بنیادی را در فرآیند کشف مواد ادغام میکند. این تحقیق در مجله Advanced Functional Materials منتشر شده است.
متن اصلی (انگلیسی)
Physics-grounded AI framework aims to make predictions about new materials more testable
Artificial intelligence is increasingly being used to discover new materials, but conventional data-driven approaches can struggle to explain their predictions, work reliably beyond their training data and remain consistent with physical laws. A new perspective proposes a framework called Physics-Grounded Materials AI (PhysMat AI), which integrates fundamental physical knowledge into the materials discovery process.…