1. Інтелектуальне виявлення та оптимізація в переробці корисних копалин
У галузі очищення руди, збагачувальний завод запровадив...система розпізнавання зображень на основі глибокого навчання аналізувати руду в режимі реального часу. Алгоритми штучного інтелекту точно визначають фізичні характеристики руди (наприклад, розмір, форму, колір) для швидкої класифікації та відбору високоякісної руди. Ця система знизила рівень помилок традиційного ручного сортування з 15% до 3%, одночасно підвищивши ефективність обробки на 50%.
АналізЗамінюючи людський досвід технологією візуального розпізнавання, штучний інтелект не лише знижує витрати на оплату праці, але й підвищує чистоту сировини, закладаючи міцну основу для наступних етапів очищення.
2. Керування параметрами у виробництві напівпровідникових матеріалів
Intel використовуєСистема управління на основі штучного інтелектуу виробництві напівпровідникових пластин для контролю критичних параметрів (наприклад, температури, потоку газу) у таких процесах, як хімічне осадження з парової фази (CVD). Моделі машинного навчання динамічно коригують комбінації параметрів, зменшуючи рівень домішок у пластині на 22% та збільшуючи вихід на 18%.
АналізШтучний інтелект фіксує нелінійні залежності у складних процесах за допомогою моделювання даних, оптимізуючи умови очищення для мінімізації затримки домішок та покращення чистоти кінцевого матеріалу.
3. Скринінг та валідація електролітів літієвих акумуляторів
Microsoft співпрацювала з Тихоокеанською північно-західною національною лабораторією (PNNL) для використання Моделі штучного інтелектуперевірити 32 мільйони матеріалів-кандидатів, ідентифікуючи твердотільний електроліт N2116. Цей матеріал зменшує використання металевого літію на 70%, зменшуючи ризики безпеки, спричинені реакційною здатністю літію під час очищення. Штучний інтелект завершив скринінг за кілька тижнів — завдання, на яке традиційно потрібно було 20 років.
АналізВисокопродуктивний обчислювальний скринінг на основі штучного інтелекту прискорює відкриття високочистих матеріалів, одночасно спрощуючи вимоги до очищення завдяки оптимізації складу, балансуванню ефективності та безпеки.
Загальні технічні відомості
- Прийняття рішень на основі даних: Штучний інтелект інтегрує експериментальні дані та дані моделювання для відображення взаємозв'язків між властивостями матеріалу та результатами очищення, що значно скорочує цикли спроб і помилок.
- Багатомасштабна оптимізаціяВід домовленостей на атомному рівні (наприклад, скринінг N2116 6 ) до параметрів процесу на макрорівні (наприклад, виробництво напівпровідників 5 ), ШІ забезпечує міжмасштабну синергію.
- Економічний впливЦі випадки демонструють скорочення витрат на 20–40% за рахунок підвищення ефективності або зменшення відходів.
Ці приклади ілюструють, як штучний інтелект змінює технології очищення матеріалів на кількох етапах: попередня обробка сировини, управління процесами та проектування компонентів.
Час публікації: 28 березня 2025 р.