Материалды тазартудағы жасанды интеллект мысалдары және талдауы

1. Минералды өңдеудегі интеллектуалды анықтау және оңтайландыру

Кенді тазарту саласында минералды өңдеу зауыты ... енгізді.терең оқытуға негізделген кескіндерді тану жүйесікенді нақты уақыт режимінде талдауға мүмкіндік береді. Жасанды интеллект алгоритмдері жоғары сапалы кенді тез жіктеу және сұрыптау үшін кеннің физикалық сипаттамаларын (мысалы, өлшемі, пішіні, түсі) дәл анықтайды. Бұл жүйе дәстүрлі қолмен сұрыптаудың қателік деңгейін 15%-дан 3%-ға дейін төмендетті, ал өңдеу тиімділігін 50%-ға арттырды.
‌ТалдауАдам тәжірибесін визуалды тану технологиясымен алмастыру арқылы жасанды интеллект еңбек шығындарын азайтып қана қоймай, шикізат тазалығын арттырады, кейінгі тазарту қадамдары үшін берік негіз қалайды.

2. Жартылай өткізгіш материалдар өндірісіндегі параметрлерді басқару

Intel компаниясы ‌жұмыс істейдіЖасанды интеллект негізіндегі басқару жүйесі‌химиялық бу тұндыру (ХБТ) сияқты процестердегі маңызды параметрлерді (мысалы, температура, газ ағыны) бақылау үшін жартылай өткізгіш пластина өндірісінде. Машиналық оқыту модельдері параметрлердің комбинацияларын динамикалық түрде реттейді, пластина қоспасының деңгейін 22%-ға төмендетеді және өнімділікті 18%-ға арттырады.
‌Талдау‌: Жасанды интеллект күрделі процестердегі сызықтық емес қатынастарды деректерді модельдеу арқылы анықтайды, қоспалардың сақталуын азайту және материалдың соңғы тазалығын жақсарту үшін тазарту жағдайларын оңтайландырады.

3. Литий батареяларының электролиттерін скринингтеу және валидациялау

Microsoft компаниясы Тынық мұхитының солтүстік-батыс ұлттық зертханасымен (PNNL) бірлесіп жұмыс істеді.Жасанды интеллект модельдері‌32 миллион кандидат материалды іріктеу, қатты күйдегі N2116 электролитін анықтау. Бұл материал литий металын пайдалануды 70%-ға азайтады, тазарту кезінде литий реактивтілігінен туындайтын қауіпсіздік тәуекелдерін азайтады. Жасанды интеллект іріктеуді бірнеше апта ішінде аяқтады — бұл дәстүрлі түрде 20 жылды қажет ететін жұмыс.
‌Талдау‌: Жасанды интеллект көмегімен жоғары өнімді есептеу скринингі жоғары тазалықтағы материалдарды ашуды жеделдетеді, сонымен қатар құрамды оңтайландыру, тиімділік пен қауіпсіздікті теңестіру арқылы тазарту талаптарын жеңілдетеді.

Жалпы техникалық түсініктер

• ‌Деректерге негізделген шешім қабылдау‌: Жасанды интеллект материалдық қасиеттер мен тазарту нәтижелері арасындағы байланыстарды картаға түсіру үшін эксперименттік және модельдеу деректерін біріктіреді, бұл сынақ және қателік циклдерін айтарлықтай қысқартады.
• ‌Көп масштабты оңтайландыру: Атом деңгейіндегі келісімдерден (мысалы, N2116 скринингі ⁶ ) макро деңгейдегі процесс параметрлеріне (мысалы, жартылай өткізгіш өндірісі ⁵ ) дейін, жасанды интеллект масштабты синергияны қамтамасыз етеді.
• ‌Экономикалық әсерБұл жағдайлар тиімділікті арттыру немесе қалдықтарды азайту арқылы шығындарды 20-40%-ға төмендеткенін көрсетеді.

Бұл мысалдар жасанды интеллекттің материалдарды тазарту технологияларын бірнеше кезеңдер бойынша қалай қайта құрып жатқанын көрсетеді: шикізатты алдын ала өңдеу, процесті басқару және компоненттерді жобалау.