Ajuda a encontrar a fórmula para a tinta para manter os edifícios de IA frescos | Inteligência Artificial (AI)
Como o aprendizado de máquina acelera a criação de novos materiais para tudo, desde motores elétricos até captura de carbono, a tinta AI-Mühendislik pode reduzir o enxerto de calor urbano de calor urbano nas cidades e pode cortar faturas de ar condicionado.
Especialistas em materiais usaram inteligência artificial para formular novos revestimentos que podem conter os edifícios 5C e 20C mais geladeiras da tinta normal após a exposição ao sol. Eles também podem se aplicar a carros, trens, equipamentos elétricos e outros objetos que requerem mais resfriamento em um mundo de aquecimento.
Usando educação para máquinas, pesquisadores das universidades dos Estados Unidos, China, Cingapura e Suécia projetados em novas fórmulas de tinta que melhor refletirão os raios do sol e espalharão o calor publicado A revista Science está na natureza.
É o exemplo mais recente da IA usada para pular abordagens tradicionais de erro de teste para o progresso científico. No ano passado, a empresa britânica Matnex Ai usou para criar um novo tipo de ímã permanente usado em motores de veículos elétricos para evitar o uso de metais de solo raros de mineração de carbono.
Microsoft tem lançado AI, ferramentas que ajudarão os pesquisadores a projetar rapidamente novos materiais inorgânicos – estruturas cristalinas usadas em painéis solares e implantes médicos. E há esperanças de novos materiais para capturar melhor carbono na atmosfera e fabricar baterias mais eficientes.
A pesquisa de pintura foi realizada por acadêmicos da Universidade do Texas em Austin, Xangai Jiao Tong University, Singapore National University e Umeå University, na Suécia. Ele descobriu que a aplicação de uma das poucas pinturas de IA no telhado de um prédio de apartamentos de quatro andares pode economizar 15.800 quilowatts anualmente em um clima quente como o Rio de Janeiro ou Bangkok. Se a tinta tiver sido aplicada a 1.000 blocos, poderá economizar eletricidade suficiente para fornecer energia para mais de 10.000 unidades de ar condicionado por um ano.
Yuebing Zheng, professor e líder do estudo da Universidade do Texas, disse: “Nosso quadro de aprendizado de máquina representa um salto significativo no design de emissores de commodities térmicas. Ao automatizar o processo e expandir o campo de design, podemos criar materiais de desempenho superiores que não são adequados antes.”
Ele disse que os estudos de um mês foram projetados por um novo material em poucos dias, usando inteligência artificial e novos materiais que nunca puderam ser descobertos por tentativa e erro.
“Agora, seguimos a saída de aprendizado de máquina, a estrutura (instruções) e que tipo de materiais precisamos usar, e podemos obtê -la corretamente sem passar por muito ciclo de teste e teste de fabricação”.
O Dr. Imperial College London é um instrutor de química que também usa a educação de máquinas para projetar novos materiais. Alex Ganose disse: “As coisas estão se movendo muito rapidamente nesse campo. Houve muitas iniciativas tentando usar IA produtiva para o material no ano passado”.
Ele disse que um novo processo de design de material pode exigir o cálculo de milhões de possíveis combinações. A IA permite que os cientistas materiais forcem restrições anteriores no poder de cálculo. Isso também significa que o processo de criação de um material tradicional e, em seguida, testar suas propriedades pode ser revertido, os cientistas podem dizer à IA quais recursos eles desejam com antecedência.
