1. Пайдалы қазбаларды өңдеуде интеллектуалды анықтау және оңтайландыру
Кенді тазарту саласында минералды өңдеу зауыты енгізілдітерең оқытуға негізделген кескінді тану жүйесінақты уақытта кенді талдау үшін. AI алгоритмдері руданың физикалық сипаттамаларын (мысалы, мөлшері, пішіні, түсі) дәл анықтайды, жоғары сортты кенді жылдам жіктеп, сүзеді. Бұл жүйе өңдеу тиімділігін 50%-ға арттыра отырып, дәстүрлі қолмен сұрыптаудың қателік деңгейін 15%-дан 3%-ға дейін төмендетті.
.ТалдауАдам тәжірибесін визуалды тану технологиясымен алмастыра отырып, AI еңбек шығындарын төмендетіп қана қоймайды, сонымен қатар шикізаттың тазалығын жақсартады және келесі тазарту қадамдары үшін берік негіз қалады.
2. Жартылай өткізгіш материалдар өндірісіндегі параметрлерді бақылау
Intel компаниясы жұмыс істейдіAI басқаратын басқару жүйесіЖартылай өткізгіш пластиналар өндірісінде химиялық булардың тұндыру (CVD) сияқты процестерде маңызды параметрлерді (мысалы, температура, газ ағыны) бақылау үшін. Машиналық оқыту үлгілері параметр комбинацияларын динамикалық түрде реттеп, пластинаның қоспасының деңгейін 22%-ға азайтады және кірісті 18%-ға арттырады.
.ТалдауAI күрделі процестердегі сызықты емес қатынастарды деректерді модельдеу, қоспаларды сақтауды азайту және соңғы материал тазалығын жақсарту үшін тазарту шарттарын оңтайландыру арқылы түсіреді.
3. Литий батареясының электролиттерін тексеру және тексеру
Microsoft корпорациясы Тынық мұхиттық солтүстік-батыс ұлттық зертханасымен (PNNL) бірлесіп жұмыс істеді.AI үлгілеріN2116 қатты күйдегі электролитті анықтайтын 32 миллион кандидаттық материалды экранға шығару. Бұл материал литий металын пайдалануды 70%-ға азайтып, тазарту кезінде литий реактивтілігінен туындаған қауіпсіздік тәуекелдерін азайтады. Жасанды интеллект скринингті апталарда аяқтады - бұл тапсырма дәстүрлі түрде 20 жылды қажет етеді.
.ТалдауAI мүмкіндігі бар жоғары өнімді есептеу скринингі композициялық оңтайландыру, тиімділік пен қауіпсіздікті теңестіру арқылы тазарту талаптарын жеңілдете отырып, жоғары тазалықтағы материалдарды ашуды тездетеді.
Жалпы техникалық түсініктер
- .Деректерге негізделген шешім қабылдауAI материал қасиеттері мен тазарту нәтижелері арасындағы қарым-қатынастарды картаға түсіру үшін эксперименттік және модельдеу деректерін біріктіреді, бұл сынақ және қателік циклдерін айтарлықтай қысқартады.
- .Көп масштабты оңтайландыруAI атомдық деңгейдегі реттеулерден (мысалы, N2116 скрининг 6 ) макродеңгейдегі процесс параметрлеріне (мысалы, жартылай өткізгіш өндірісі 5 ) дейін ауқымды синергияға мүмкіндік береді.
- .Экономикалық әсерБұл жағдайлар тиімділікті арттыру немесе ысырапты азайту арқылы шығындардың 20–40%-ға төмендеуін көрсетеді.
Бұл мысалдар AI материалды тазарту технологияларын бірнеше кезеңдер бойынша қалай өзгертетінін көрсетеді: шикізатты алдын ала өңдеу, процесті басқару және құрамдас дизайн.
Хабарлама уақыты: 28 наурыз 2025 ж