Jillian Buriak e il suo team hanno trascorso anni a sviluppare celle solari in plastica convenienti che possono essere stampate come giornali. Poi ha chiacchierato con il collega ricercatore di chimica Arthur Mar, e in poche settimane il suo team di machine learning ha permesso al suo gruppo di aumentare l'efficienza di queste celle solari del 30%.

"È stato un grande campanello d'allarme per noi, " ha detto Buriak. "Tutti i tipi di scoperte scientifiche stanno iniziando ad accadere più velocemente di quanto non facessero prima".

L'apprendimento automatico sta accelerando le scoperte in innumerevoli aree di ricerca, e Mar e il suo team sono tra i molti pionieri nel campo dell'Università di Alberta.

Non sono "terminatori"

La cultura pop offre molte idee su cosa significhi "apprendimento automatico", ma per Mar è solo un insieme di strumenti.

"Il nostro tipo di apprendimento automatico non è terminato, "disse con una risata.

L'apprendimento automatico ordina e classifica complessi set di dati per estrarre informazioni utili.

Mar spiega:"Se avevi bisogno di aiuto per prendere una scatola pesante dallo scaffale più alto di un negozio, potresti analizzare le persone intorno a te per vedere chi ti sarebbe d'aiuto. Potresti prendere di mira le persone che indossano l'uniforme del negozio, e quindi potresti classificarli in base a un attributo pertinente come l'altezza. L'apprendimento automatico eseguirà clustering e ranking simili, ma può gestire molte più informazioni di quelle che chiunque di noi potrebbe elaborare. Può anche identificare attributi più rilevanti:potrebbe dirti che l'altezza di un dipendente è meno importante del suo accesso a una scala, e classificarsi di conseguenza."

Per le celle solari di Buriak, alla macchina sono stati dati anni di dati sperimentali di laboratorio e programmata per cercare diverse variabili di progettazione che potrebbero influenzare l'efficienza di una cella solare organica.

"Utilizzando il metodo tradizionale di modificare una variabile alla volta, avremmo avuto bisogno di migliaia di esperimenti per vagliare tutte quelle possibili combinazioni, " ha detto Buriak. "L'algoritmo di apprendimento automatico ci ha aiutato a capire quali variabili contavano di più, e solo 16 esperimenti dopo, eravamo sulla buona strada per aumentare sistematicamente l'efficienza delle celle solari in modo notevolmente accelerato".

Hai solo bisogno di un laptop

Professori di ingegneria Arvind Rajendran, Vinay Prasad e Zukui Li guidano un team che utilizza l'apprendimento automatico per ottimizzare i processi di cattura della CO2 prima che possa essere emessa dalle centrali elettriche.

"Il nostro processo di cattura del carbonio potrebbe avere 9, 000 diverse configurazioni per materiale utilizzato, " Ha detto Prasad. "Dobbiamo sapere quale potenziale adsorbente è più efficace in quale configurazione".

L'apprendimento automatico consente al team di eliminare rapidamente migliaia di possibili configurazioni che non potrebbero mai soddisfare i requisiti del Dipartimento dell'Energia degli Stati Uniti per la tecnologia di cattura del carbonio per rimuovere il 95% di CO2 dalle emissioni.

"La modellazione individuale di ciascuna di queste configurazioni richiederebbe un'immensa potenza di calcolo per mesi, " Ha sottolineato Prasad. "Con l'apprendimento automatico e una quantità limitata di dati di addestramento provenienti da simulazioni dettagliate, abbiamo solo bisogno di un laptop e di poche ore."

I vantaggi del machine learning sono stati notati da esperti in molte discipline. In agosto, Il gruppo di Mar ha collaborato con il team di Prasad per offrire ai ricercatori affiliati all'iniziativa di ricerca Future Energy Systems della U of A due workshop di apprendimento automatico fai-da-te. Entrambi erano esauriti prima di essere pubblicizzati, con partecipanti tra cui fisici, microbiologi, economisti, e anche amministratori. Si stanno prendendo in considerazione altri workshop e Prasad offre uno speciale corso di laurea sull'argomento.

"Abbiamo usato queste tecniche per analizzare tutto, dal monitoraggio degli stagni di decantazione delle sabbie oleose alle qualità dei cereali che renderanno popolare la birra, " ha detto. "Se hai dati, il machine learning è uno strumento che può aiutarti a concentrare i tuoi sforzi."

Non sostituire le persone

Dal punto di vista di Buriak, l'ascesa dell'apprendimento automatico è un cambiamento necessario per la ricerca in molti campi, e la sua squadra ne sta sfruttando appieno.

"Utilizzando queste tecniche, stiamo sviluppando alcuni sistemi di energia solare veramente nuovi, " ha detto. "Siamo sulla buona strada per condividere queste tecnologie nel breve termine".

Non assegna nessuna data a breve termine, ma le scoperte avverranno sicuramente prima che se la sua squadra fosse rimasta fedele ai metodi tradizionali.

a marzo, questo è il punto.

"Stiamo risparmiando tempo e denaro riducendo il numero di esperimenti necessari per arrivare a una scoperta, " ha detto. "Non stiamo ancora sostituendo le persone che fanno gli esperimenti".