Yapay zeka 150 milyon bileşimi araştırdı:  Elektri̇kli̇ araçlar i̇çi̇n ısıya dayanıklı yeni̇ malzeme

Seul Ulusal Üniversitesi Mühendislik Fakültesi’nden Prof. Ho Won Jang liderliğindeki araştırma ekibi, yapay zeka destekli bir yöntemle yüksek sıcaklıklarda kararlılığını koruyabilen yeni kurşunsuz dielektrik malzemeler geliştirdi. Çalışmada, büyük dil modelleri ve görsel veri dönüştürücüler kullanılarak akademik literatüre dağılmış bilgiler bir araya getirildi. Elektrikli araçlar ve havacılık elektroniğinde kullanılan çok katmanlı seramik kapasitörlere yönelik geliştirilen yaklaşım, geleneksel deneme-yanılma süreçlerini dijital tarama ve deneysel doğrulamayla hızlandırmayı amaçlıyor.

DİJİTAL TARAMA

Araştırmacılar, 448 bilimsel makaleden 1.202 dielektrik kayıt ve 22 farklı fiziksel tanımlayıcı derledi. Bu veriler 30 bağımsız makine öğrenimi modeliyle analiz edilerek yaklaşık 150 milyon olası kimyasal bileşim tarandı. Değerlendirme sonucunda en yüksek güvenilirlik puanına sahip 37 aday belirlendi. Ekip, hedeflenen fiziksel performans değerlerinden geriye doğru ilerleyen bir tersine mühendislik yaklaşımı kullanarak üretim aşamasında denenebilecek formülasyonları dijital ortamda filtreledi.

ISI KARARLILIĞI

Deneysel doğrulama aşamasında yüzde 1 mol ve yüzde 2 mol kalay ikameli iki yeni kurşunsuz bileşim test edildi. Malzemeler oda sıcaklığında sırasıyla 3422 ve 3307 dielektrik sabitine ulaştı. Standart baryum titanatla karşılaştırıldığında sıcaklık yükseldikçe elektrik yükü depolama kapasitesini daha kararlı biçimde koruyan bileşimlerin X5R, X6R ve X7R yüksek sıcaklık standartlarını karşıladığı belirtildi. Mikroskobik ve atomik analizler, düşük miktardaki kalay katkısının kristal yapıyı genişlettiğini ve atomik ölçekte elektriksel heterojenliği artırarak performansın korunmasına katkı sağladığını gösterdi.

SANAYİ UYGULAMASI

Elektrikli araç güç elektroniği, güç dönüştürücüleri ve savunma sanayii sistemlerinde artan çalışma sıcaklıkları, ısıya dayanıklı dielektrik malzemelere olan ihtiyacı büyütüyor. Geliştirilen yöntem, cihaz boyutlarını artırmadan daha yüksek enerji depolama kapasitesi hedefleyen MLCC uygulamalarının yanı sıra fonksiyonel oksitler ve ince film malzemeleri gibi farklı alanlara da uyarlanabiliyor. Araştırmacılar, literatürdeki dağınık verilerin yapay zeka yardımıyla sistematik hale getirilmesinin laboratuvar deneylerinin sayısını azaltarak malzeme geliştirme süresini kısaltabileceğini belirtiyor.