Het maken van nanomaterialen met pyrolyse met vlamnevel is complex, maar wetenschappers van Argonne hebben ontdekt hoe het toepassen van kunstmatige intelligentie kan leiden tot een eenvoudiger proces en betere prestaties.

Tijdens een rondleiding door de Manufacturing and Engineering Research Facility van het Argonne National Laboratory van het Amerikaanse Department of Energy, Marius Stan, de leider van Intelligent Materials Design in de Applied Materials Division (AMD) van Argonne, kwam een ​​nieuwe proefopstelling tegen. Terwijl hij naar de machine in het experiment keek, die op vlammen vertrouwt om nanomaterialen te produceren, hij had een gedachte:kan kunstmatige intelligentie worden gebruikt om dit complexe proces te optimaliseren?

Toen hem werd gevraagd om het proces uit te leggen, Stan zei het eenvoudig:"Het is waar wetenschappers chemicaliën in een vlam zetten en wachten op een wonder - tot deeltjes verschijnen aan het einde van het proces, deeltjes die belangrijke eigenschappen hebben voor een verscheidenheid aan toepassingen." Vlamsproeipyrolyse is een technologie die de productie van nanomaterialen in grote volumes mogelijk maakt, die op zijn beurt van cruciaal belang is voor de productie van een breed scala aan industriële materialen, zoals chemische katalysatoren, batterijelektrolyten/kathoden en pigmenten.

Flash forward naar juli 2020 en publicatie van "Frame spray pyrolyse-optimalisatie via statistieken en machine learning" in het tijdschrift Materialen &Ontwerp , een paper geschreven door een AMD-onderzoeksteam dat aantoonde dat het pyrolyseproces met vlamnevel in feite kan worden geoptimaliseerd om beter presterende materialen te creëren die de binnenlandse productie kunnen helpen transformeren.

De onderzoekers ontdekten hoe ze de chemie van een materiaal konden veranderen en de parameters van de machine konden aanpassen met behulp van geavanceerde statistische technieken.

"We besloten te kijken naar de productie van silica, proberen de kwaliteit van het poeder te beïnvloeden, " zei Noach Paulson, een computationele materiaalwetenschapper en de hoofdauteur van het artikel, samen met Joe Libera, een hoofdmateriaalwetenschapper die de pyrolyse van vlamnevel in het laboratorium uitvoert, en Stan. "We ontdekten dat we machine learning konden gebruiken om de inputs in de pyrolyse-opstelling met vlamnevel te regelen - en het is complex, er zijn veel verschillende inputs - en het verkrijgen van gewenste resultaten."

Paulson voegde toe dat silica werd gekozen omdat het goed geschikt is voor computationele modellering, maar de bevindingen van het onderzoek kunnen resulteren in een breed scala aan verbeterde materialen, zoals batterij-elektroden bijvoorbeeld. "Als je een auto hebt en je wilt de actieradius van die auto verdubbelen met één keer opladen, je hebt betere batterijmaterialen nodig. Dat is wat ons beperkt in deze toepassingen."

Vooral de rol van kunstmatige intelligentie in het onderzoek was opmerkelijk. Stan, die een groot deel van zijn carrière heeft gewijd aan het bestuderen van de relatie tussen mens en machine, zei dat het analyseniveau in dit project zo complex was dat het bijna onhaalbaar was voor een mens.

"Dit is een demonstratie dat we een algoritme en software kunnen maken die ook een proces kunnen besturen, zo niet beter, dan een mens kan. Dit omvatte zoveel parameters dat kunstmatige intelligentie nodig was om onze hersenen te vergroten bij het verwerken van deze informatie, Stan zei. "We hadden deze bevindingen niet alleen door observatie uit de gegevens kunnen halen, omdat er zoveel dimensies waren."

Paulson was het daarmee eens. "De kern van deze technologie is machine learning waarmee we deze verwerkingsomstandigheden kunnen optimaliseren zonder menselijke tussenkomst. "zei Paulson. "We zijn in principe in staat om de deeltjesgrootteverdeling (die we willen) te bepalen in een enkele dag van experimenten, versus wat vele weken zou kunnen zijn."

Vooruit kijken, Paulson en Stan wezen op verder mogelijk onderzoek waarbij zowel de experimentele als de computationele kant betrokken was.

Bij de onderzoeksfaciliteit voor fabricage en techniek, leden van het onderzoeksteam willen in contact komen met industriële partners om te onderzoeken hoe de projectsoftware de verbrandings- en chemische processen die deel uitmaken van pyrolyse met vlamnevel beter kan beheersen. Tegelijkertijd, ze hopen gebruik te maken van Argonne's aankomende high-performance supercomputer Aurora en zijn exascale-mogelijkheden, om te helpen met de intensieve computationele aard van het werk.

Paulson gelooft dat dit soort inspanningen uiteindelijk zullen resulteren in het vermogen om betere materialen te produceren, wat een voorbode is van vooruitgang op veel verschillende technologische fronten.

"Materialen zijn de echte bottleneck, " legde hij uit. "Als we een manier kunnen vinden om de successen die we in het lab zien te vertalen naar materialen die tegen redelijke kosten kunnen worden vervaardigd, dan kunnen we die technologieën mogelijk maken die de wereld echt nodig heeft."