Jillian Buriak en haar team hebben jarenlang kosteneffectieve plastic zonnecellen ontwikkeld die als kranten kunnen worden afgedrukt. Daarna praatte ze met collega-chemieonderzoeker Arthur Mar, en in slechts een paar weken tijd stelde zijn machine learning-team haar groep in staat om de efficiëntie van deze zonnecellen met 30 procent te verhogen.

"Dat was een grote wake-up call voor ons, "zei Buriak. "Allerlei wetenschappelijke ontdekkingen beginnen sneller te gebeuren dan vroeger."

Machine learning versnelt ontdekkingen in talloze onderzoeksgebieden, en Mar en zijn team behoren tot de vele pioniers van de Universiteit van Alberta op dit gebied.

Het zijn geen 'terminators'

De popcultuur biedt veel ideeën over wat 'machine learning' betekent, maar voor Mar is het slechts een set gereedschappen.

"Ons soort machine learning is geen terminators, ' zei hij met een lach.

Machine learning sorteert en categoriseert complexe datasets om nuttige informatie te ontdekken.

Mar legt uit:"Als je hulp nodig had om een ​​zware doos van de bovenste plank in een winkel te krijgen, je zou de mensen om je heen kunnen analyseren om te zien wie zou helpen. Je zou mensen kunnen targeten die het winkeluniform dragen, en dan zou je ze kunnen rangschikken op basis van een relevant attribuut zoals lengte. Machine learning zal vergelijkbare clustering en rangschikking doen, maar kan veel meer informatie verwerken dan iemand van ons zou kunnen verwerken. Het kan ook relevantere kenmerken identificeren - het kan u vertellen dat de lengte van een werknemer minder belangrijk is dan hun toegang tot een ladder, en dienovereenkomstig rangschikken."

Voor de zonnecellen van Buriak, de machine kreeg jarenlange experimentele laboratoriumgegevens en werd geprogrammeerd om te zoeken naar verschillende ontwerpvariabelen die de efficiëntie van een organische zonnecel zouden kunnen beïnvloeden.

"Door de traditionele methode te gebruiken om één variabele tegelijk te veranderen, we zouden duizenden experimenten nodig hebben gehad om al die mogelijke combinaties te screenen, "Zei Buriak. "Het machine learning-algoritme hielp ons te begrijpen welke variabelen het belangrijkst waren, en slechts 16 experimenten later, we waren op weg om de efficiëntie van zonnecellen op een dramatisch versnelde manier systematisch te verhogen."

Je hebt alleen een laptop nodig

Technische hoogleraren Arvind Rajendran, Vinay Prasad en Zukui Li leiden een team dat machine learning gebruikt om processen te optimaliseren voor het afvangen van CO2 voordat het door energiecentrales kan worden uitgestoten.

"Ons koolstofafvangproces zou 9 000 verschillende configuraties per gebruikt materiaal, " zei Prasad. "We moeten weten welk potentieel adsorbens het meest effectief is in welke configuratie."

Machine learning stelt het team in staat om snel duizenden mogelijke configuraties te elimineren die nooit zouden kunnen voldoen aan de eis van het Amerikaanse ministerie van Energie voor koolstofafvangtechnologie om 95 procent van de CO2 uit de uitstoot te verwijderen.

"Het individueel modelleren van elk van die configuraties zou in de loop van maanden enorme rekenkracht vergen, " merkte Prasad op. "Met machine learning en een beperkte hoeveelheid trainingsgegevens uit gedetailleerde simulaties, we hebben alleen een laptop en een paar uur nodig."

De voordelen van machine learning zijn opgemerkt door experts in veel disciplines. In augustus, De groep van Mar werkte samen met het team van Prasad om onderzoekers die zijn aangesloten bij het onderzoeksinitiatief Future Energy Systems van de U of A, twee doe-het-zelf-workshops voor machine learning aan te bieden. Beide waren uitverkocht voordat ze werden geadverteerd, met deelnemers waaronder natuurkundigen, microbiologen, economen, en zelfs beheerders. Er worden nu meer workshops overwogen en Prasad biedt een speciale afstudeercursus over dit onderwerp aan.

"We hebben deze technieken gebruikt om alles te analyseren, van het monitoren van olie-en afvalvijvers tot de kwaliteiten van graan dat populair bier zal maken, "zei hij. "Als je gegevens hebt, machine learning is een hulpmiddel dat u kan helpen uw inspanningen te concentreren."

Geen mensen vervangen

Vanuit het perspectief van Buriak, de opkomst van machine learning is een noodzakelijke opschudding voor onderzoek op veel gebieden, en haar team profiteert optimaal.

"Met deze technieken we zijn bezig met het ontwikkelen van een aantal echt nieuwe zonne-energiesystemen, " zei ze. "We liggen op schema om die technologieën op korte termijn te delen."

Ze kent geen datums toe aan de korte termijn, maar de ontdekkingen zullen zeker sneller gebeuren dan wanneer haar team bij traditionele methoden was gebleven.

tot maart, dat is het punt.

"We besparen tijd en geld door het aantal experimenten dat nodig is om tot een ontdekking te komen, te verminderen, " zei hij. "We vervangen de mensen die de experimenten doen nog niet."