Naukowcy z PNNL zastosowali aktywne uczenie maszynowe w workflow CICERO do autonomicznego wytrącania selektywnego, osiągając optymalne wyniki odzysku neodymu przy znacznie mniejszej liczbie eksperymentów niż metody tradycyjne.
Wyobraź sobie chemika, który zamiast latami żmudnie próbować tysięcy kombinacji, uczy swojego cyfrowego asystenta na bieżąco i razem dochodzą do celu w ułamku czasu. Dokładnie to osiągnęli naukowcy z PNNL: ich system CICERO wykorzystuje aktywne uczenie maszynowe do autonomicznego wytrącania selektywnego neodymu, docierając do optymalnych wyników przy znacznie mniejszej liczbie eksperymentów niż tradycyjne metody. W świecie, gdzie pierwiastki krytyczne są kręgosłupem zielonej transformacji, to brzmi jak przepis na rewolucję.
Zanim jednak odkorkowujemy szampana: neodym to jeden pierwiastek, jeden workflow, jeden zespół badawczy. Pytanie, czy ta elegancja skaluje się na dziesiątki innych trudnych do odzysku materiałów czy pozostaje świetnie wyglądającym dowodem koncepcji, jest jak najbardziej otwarte.
To streszczenie zostało przygotowane przy pomo
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google