تقنية

ابتكار روبوت يتعلم كالعلماء ولا يحتاج لأي إشراف خارجي

تمكن علماء من معهد ماساتشوستس للتكنولوجيا الأمريكي من ابتكار “روبوت” كمساعد في المختبر يمكنه التعلم كالعلماء ولا يحتاج لأي إشراف خارجي.

وأوضح العلماء أن الروبوت الجديد يستخدم نظام ذاتي القيادة للتعلم الآلي ولاختبار المواد الحساسة للضوء بشكل أسرع وأذكى ويمكنه أن يمهد الطريق لتقنيات الطاقة الشمسية من الجيل التالي.

ويمكن للروبوت الجديد اختبار كيفية استجابة المواد للضوء، وهي خاصية تُسمى الموصلية الضوئية، وهي أساسية لتطوير أشياء مثل الخلايا الشمسية وأجهزة الاستشعار.

ويمكن لهذا الروبوت أن يتعلم تلقائيًا، باستخدام خوارزميات ذكية لتقليد طريقة عمل العلماء، دون الحاجة إلى توجيه مباشر.

ويتمكن الروبوت من العمل بشكل مستقل تمامًا ويمكنه اختبار المواد بسرعة وموثوقية، مما يعزز السرعة والدقة في المختبرات ذاتية القيادة، وهو الأمر أشبه بمنح مساعد مختبرك شهادة دكتوراه وعينين مركزتين بدقة متناهية.

من خلال دمج المعرفة المتخصصة مع التعلم الآلي، درّب الفريق مسبارًا روبوتيًا على اختيار أفضل النقاط على مادة ما بذكاء لقياس موصليتها الضوئية، ومدى استجابتها للضوء، كما يُساعد نظام تخطيط ذكي الروبوت على التحرك بسرعة وكفاءة بين هذه النقاط.

وتمكن مساعد المختبر الروبوتي الجديد من العمل 24 ساعة متواصلة، وأجرى أكثر من 125 قياسًا دقيقًا في الساعة، متفوقًا على أساليب الذكاء الاصطناعي الأخرى من حيث السرعة والدقة.

اقرا ايضا: “واتساب” يتيح إنشاء روبوت دردشة خاص بكل مستخدم

ويمكن لهذه الاختبارات الأسرع والأكثر ذكاءً أن تعني أن العلماء يمكنهم اكتشاف مواد أشباه موصلات أفضل بسرعة أكبر، مما يمهد الطريق لألواح شمسية أقوى وأكثر كفاءة ومستقبل أكثر إشراقًا وأكثر خضرة.

وبالنسبة لطريقة عمل الروبوت، فهو يبدأ بالتقاط صورة لعينة بيروفسكايت مطبوعة، باستخدام الرؤية الحاسوبية، ثم يُقسّم الصورة إلى أجزاء، وبعد ذلك تُحلل هذه الأجزاء بواسطة شبكة عصبية مُخصصة مُدربة برؤى من الكيميائيين وعلماء المواد، ويُتيح هذا للروبوت التفكير كخبير بشري، مُحددًا أفضل المواقع للفحص بناءً على الشكل والتركيب.

ثم يُحدد مُخطط المسار أسرع مسار للمسبار الروبوتي للوصول إلى جميع النقاط الرئيسية، والمثير للدهشة أن إضافة بعض العشوائية إلى الخوارزمية ساعدته في العثور على مسارات أقصر.

أما الشبكة العصبية ذاتية الإشراف؛ فهي لا تحتاج إلى بيانات مُصنّفة للتعلم، وهذا يعني أنها قادرة على التكيف مع جميع أنواع نقاط الاتصال المُثلى مُباشرةً على صورة العينة.

وتفوقت الشبكة العصبية المُخصصة للنظام على سبعة نماذج ذكاء اصطناعي أخرى، حيث وجدت نقاط اتصال أفضل للمسبار بوقت حوسبة أقل، كما تفوقت خوارزمية تخطيط المسار الخاصة به على المنافسين، حيث رسمت باستمرار مسارات أقصر وأكثر كفاءة.

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى