رنگی که با استفاده از هوش مصنوعی طراحی شده، می‌تواند به طور چشمگیری از اثر جزیره گرمایی شهری بکاهد و مصرف انرژی برای خنک‌سازی ساختمان‌ها را کاهش دهد. محققان دانشگاه‌هایی از آمریکا، چین، سنگاپور و سوئد با بهره‌گیری از یادگیری ماشین، فرمول‌هایی برای رنگ‌هایی طراحی کرده‌اند که می‌توانند دمای سطوح را نسبت به رنگ‌های معمولی بین ۵ تا ۲۰ درجه سانتی‌گراد خنک‌تر نگه دارند. این رنگ‌ها قادرند نور خورشید را بهتر بازتاب دهند و گرمای جذب‌شده را بیشتر منتشر کنند، بنابراین نه تنها برای ساختمان‌ها، بلکه برای وسایلی مانند خودروها، قطارها و تجهیزات الکتریکی نیز مفید خواهند بود. مطالعه‌ای که در مجله معتبر Nature منتشر شده، نشان می‌دهد که استفاده از این رنگ‌های هوشمند بر روی سقف یک ساختمان چهار طبقه در آب‌و‌هوای گرم مانند ریو دوژانیرو یا بانکوک می‌تواند سالانه حدود ۱۵٬۸۰۰ کیلووات‌ساعت برق صرفه‌جویی کند. اگر چنین رنگی روی هزار ساختمان اعمال شود، انرژی صرفه‌جویی‌شده معادل برق مورد نیاز بیش از ۱۰٬۰۰۰ کولر گازی در یک سال خواهد بود.

یوبینگ ژنگ، استاد دانشگاه تگزاس و یکی از رهبران این تحقیق، می‌گوید چارچوب یادگیری ماشین آنها یک جهش بزرگ در طراحی مواد جدید گرمایی محسوب می‌شود. به گفته او، فرایندی که قبلاً ماه‌ها زمان می‌برد، اکنون تنها در چند روز به کمک هوش مصنوعی انجام می‌شود. این روش جدید باعث می‌شود بتوان به سرعت به ترکیب‌ها و ساختارهایی دست یافت که در روش‌های سنتی با آزمون و خطا یا هرگز کشف نمی‌شدند، یا کشف آن‌ها بسیار زمان‌بر بود. این پیشرفت تنها به رنگ‌های خنک‌کننده محدود نیست. به عنوان نمونه، شرکت بریتانیایی MatNex با استفاده از هوش مصنوعی موفق به طراحی نوع جدیدی از آهن‌رباهای دائمی برای موتور خودروهای الکتریکی شده که دیگر نیازی به استفاده از فلزات نادر و آلاینده ندارد. مایکروسافت نیز ابزارهایی برای کمک به طراحی سریع‌تر مواد معدنی غیرآلی عرضه کرده که در تولید صفحات خورشیدی و ایمپلنت‌های پزشکی استفاده می‌شوند.

الکس گانوز، مدرس شیمی در کالج سلطنتی لندن که خود از هوش مصنوعی برای طراحی مواد استفاده می‌کند، می‌گوید که سرعت پیشرفت در این حوزه بسیار بالاست و در سال گذشته تعداد زیادی استارتاپ با هدف استفاده از هوش مصنوعی مولد برای کشف مواد جدید راه‌اندازی شده‌اند. به گفته او، طراحی یک ماده جدید نیازمند محاسبه میلیون‌ها ترکیب ممکن است. اما هوش مصنوعی این فرایند را به‌شدت تسهیل می‌کند، چرا که نه‌تنها محدودیت‌های قدرت محاسباتی گذشته را برطرف کرده، بلکه امکان طراحی بر پایه خواص مطلوب از ابتدا را فراهم کرده است؛ به این معنا که پژوهشگران ابتدا ویژگی‌های دلخواه یک ماده را به AI می‌دهند و سپس هوش مصنوعی ساختاری را پیشنهاد می‌دهد که آن خواص را داشته باشد. در مجموع، کاربرد هوش مصنوعی در علم مواد انقلابی بزرگ ایجاد کرده است. از تولید رنگ‌های خنک‌کننده و آهن‌رباهای سبز گرفته تا طراحی مواد برای جذب بهتر کربن و ساخت باتری‌های کاراتر، AI راه را برای کشف‌هایی هموار می‌کند که در گذشته دور از دسترس بودند.

منبع خبر: theguardian