Yapay Zeka Destekli Laboratuvarların İçinde: Malzeme Keşfinde Yeni Bir Çağ

Giderek artan sayıda endüstri gibi, malzeme bilimi de yardım ediliyor yapay zeka (YZ) tarafından.

Burada, makine öğrenimi (ML) algoritmaları geniş veri kümelerini analiz eder ve minimum sürede umut verici malzeme adaylarını önermek için kalıpları belirler. Deneme-yanılma yöntemlerine göre çok daha az kaynak tüketirken.

Geleneksel, elle yapılan, insan yoğun iş artırıldı Karmaşık hesaplamalara olanak tanıyan hesaplama sistemlerinin ortaya çıkmasıyla birlikte, yapay zeka, simülasyon ve deneysel otomasyon tarafından yönlendirilen otomatik, paralel ve yinelemeli süreçler tarafından tamamen devrim yaratılıyor. 

Yapay zeka teknolojisinin olgunlaşması, yüksek performanslı bilgi işlem ve hibrit bulut teknolojileriyle birleşerek, malzeme biliminin yeni bir paradigmaya girmesine yardımcı olmak tarafından işaretlenmiştir yeni malzemelerin hızlandırılmış keşfi, malzeme özelliklerinin öngörücü modellemesi ve otonom deneyler. 

This paradigm shift enables researchers to transition from trial-and-error approaches to design, significantly reducing development cycles and paving the way for advanced materials in enerji, elektronik, sağlık ve sürdürülebilirlik uygulamaları.

Son zamanlarda, Kuzey Carolina Eyalet Üniversitesi'ndeki araştırmacılar, laboratuvar otomasyonunda yeni bir sıçrama gerçekleştirmek ve bilim insanlarının malzeme keşfini daha da hızlandırmak için otonom bir laboratuvar oluşturarak önemli bir adım daha attılar.

Otomatik laboratuvar, geleneksel, manuel laboratuvarlardan on kat daha fazla veri topluyor yöntemleri. Bu hamleyle araştırmacılar, gerçek zamanlı, dinamik kimyasal deneyler yürütebilecek, zamandan ve kaynaklardan tasarruf edebilecekler. etkinleştirme daha hızlı atılımlar.

Artık yeni laboratuvar keşifleri yıllar sürmeyecek; aksine, icatların günler içinde gerçekleşeceği bir geleceğe bakıyoruz.

Yapay Zeka Destekli Bir Laboratuvar: Gerçek Zamanlı Keşif için Gerçek Zamanlı Öğrenme

Için Temiz enerji, insan refahı ve sürdürülebilirlik konularındaki küresel zorlukların üstesinden gelmek, kritik İleri fonksiyonel malzemelerin hızlı keşfini yapmak. Keşif ve yeni malzemelerin sentezi de yenilikçi teknolojilerin anahtarıdır sevmek piller, bilgisayar çipleri, güneş panelleri ve çok Daha fazla.

Sonuç olarak, Bir sürü ilerleme kaydedildi yapıldı malzeme hızlandırma platformları ve otonom sürüş laboratuvarlarında.

İlerlemeye rağmen, bu platformların ve laboratuvarların karmaşık parametre alanlarını keşfetme kapasitesi engellendi düşük veri akışı nedeniyle. Yavaş Veri transferleri ve işlenmesi üretkenliğin azalmasına yol açar.

Bu nedenle, NC State Üniversitesi araştırmacıları, "geçici reaksiyon koşullarının sabit durum eşdeğerlerine sürekli olarak eşlenmesi yoluyla, kendi kendine çalışan akışkan laboratuvarlarında inorganik malzeme sentezleri için bir veri yoğunlaştırma stratejisi olarak dinamik akış deneylerini tanıttılar."

Yayınlandığı Doğa Kimyasal Mühendislik¹Çalışma, gerçek zamanlı deneyler kullanarak sürekli veri toplayan son teknoloji ürünü bir otonom sürüş laboratuvarını ayrıntılı olarak anlatıyor. yapma malzeme keşfi daha hızlı ve daha verimli maliyetleri ve çevresel etkiyi azaltırken.

Çalışma, Ulusal Bilim Vakfı ve Kuzey Carolina Üniversitesi Araştırma Fırsatları Girişimi programından destek aldı.

Peki, sürücüsüz laboratuvarlar (SDL'ler) ne anlama geliyor? Bunlar, malzemeleri daha hızlı bulmak için makine öğrenimi ve otomasyonu kimya ve malzeme bilimleriyle birleştiren robotik platformlardır. Bu makine öğrenimi destekli modüler deneysel platformlarda, bir dizi deney, seçilir ML algoritması tarafından, programlanmış hedefe ulaşmak için yinelemeli olarak gerçekleştirilir.

"Bilim insanlarının, temiz enerji, yeni elektronik cihazlar veya sürdürülebilir kimyasallar için çığır açan malzemeleri yıllar yerine günler içinde, mevcut malzemelerin çok daha az bir kısmını kullanarak ve mevcut durumdan çok daha az atık üreterek keşfedebildiklerini hayal edin."

– Makalenin ortak yazarı, Kuzey Carolina Eyalet Üniversitesi ALCOA Kimya ve Biyomoleküler Mühendisliği Profesörü Milad Abolhasani

Diye ekledi:

"Bu çalışma o geleceği bir adım daha yakınlaştırıyor.” 

Bilimsel keşifleri hızlandırmaya yönelik dönüştürücü bir yaklaşımı temsil eden otonom laboratuvarlar, kimya ve malzeme bilimi alanlarında popülerlik kazanıyor. 

Sürekli akış reaktörlerini kullanan otonom laboratuvarlar, kimyasal reaksiyonlar meydana gelmeden önce farklı öncüllerin birleştirildiği ve karışımın sürekli olarak aktığı sabit durum akış deneylerine sıklıkla güvenir. bir mikrokanal. 

ürün bundan çıkıyor Reaksiyon tamamlandıktan sonra bir dizi sensör tarafından karakterize edilir.

Abolhasani, "Kendi kendine giden laboratuvarlara yönelik bu yerleşik yaklaşım, malzeme keşfi üzerinde çarpıcı bir etkiye sahip oldu" diyerek, bunun bilim insanlarının "yıllar yerine birkaç ay veya hafta içinde belirli uygulamalar için umut verici malzeme adaylarını belirlemelerine olanak sağladığını ve hem maliyetleri hem de çalışmanın çevresel etkisini azalttığını" paylaştı. Ama hiçbir şekilde mükemmel değildi, hâlâ iyileştirilmesi gereken alanlar vardı.

Özellikle kimyasal reaksiyon sırasında sistemin boşta kalması yer alır elde edilen malzeme elde edilmeden önce be özelliği. Otonom sürüşlü laboratuvarlarda bekleme süresi, her sabit durum akış deneyi için bir saate kadar çıkabiliyor.

"Şimdi, kimyasal karışımların sistem boyunca sürekli olarak değiştirildiği ve dinamik akış deneylerinden yararlanan kendi kendine giden bir laboratuvar yarattık. izleniyor “gerçek zamanlı olarak.”

– Abolhasani 

Ne bu anlamına geliyor ki Sistemde ayrı numuneler çalıştırma ve her numuneyi test etme sürecini ortadan kaldırıyorlar Bunların bir zamanında bir duruma ulaştıktan sonra. 

Bunun yerine, bir sistem kurdular sadece koşmayı bırakmıyor. Numuneler sistem içerisinde sürekli hareket halindedir. Bu Bunun nedeni, "sistemin örneği karakterize etmeyi asla bırakmaması" ve araştırmacının "örneklemde her yarım saniyede bir gerçekleşen olaylara ilişkin veri yakalayabilmesidir."

Dinamik akış deneylerinin otonom akışkan laboratuvarlarına entegre edilmesi, geleneksel toplu deneylerden bir sapmayı temsil ediyor. 

İzole edilmiş veri noktalarının kullanıldığı geleneksel yaklaşımların aksine toplandı sabit durum koşulları altında, in dinamik akış deneyleri, mikroakışkan prensipleri kullanılıyor için hızlı reaksiyon koşullarının haritalanması.

Sürekli bir veri akışı yaratarak, erişilebilir deneysel verileri önemli ölçüde genişletir.

Abolhasani, ekibin artık gets Deneyin ne ürettiğine dair 20 veri noktası, 0.5 saniyelik tepki süresinden sonra bir tane, ardından 1 saniyelik tepki süresinden sonra bir tane ve benzeri şekilde, bir veri noktası almak 10 saniyelik tepki süresinin ardından şunları ekledi:

"Bu, tek bir anlık görüntüden, reaksiyonun gerçekleştiği anda tam bir filme geçmek gibi. Her deneyin bitmesini beklemek yerine, sistemimiz sürekli çalışıyor ve sürekli öğreniyor." 

Çok daha fazla veriye sahip olmak, yapay zeka destekli bir laboratuvarın performansı üzerinde muazzam bir etkiye sahip olabilir. Sonuçta veri, bir algoritmanın anahtarıdır. Yapay zeka veriye aç bir yapıya sahiptir ve bu verilere dayanarak... beslenir, algoritma tahminlerde bulunur.

Abolhasani'ye göre:

"Herhangi bir otonom sürüş laboratuvarının en önemli kısmı, sistemin bir sonraki adımda hangi deneyi yapması gerektiğini tahmin etmek için kullandığı makine öğrenme algoritmasıdır." 

Bu nedenle, veri akışı yaklaşımı, otonom sürüş laboratuvarının makine öğrenmesi beyninin yalnızca daha hızlı değil, aynı zamanda daha akıllı kararlar almasını sağlayarak "en uygun malzemeleri ve süreçleri çok daha kısa sürede belirlemesini" sağlıyor.

Verilerin kalitesi aynı zamanda tahminlerin doğruluğunu da belirler. Yani, tarafından daha kaliteli deneysel verilere sahip olan algoritma daha doğru tahminler yapabilir, ve sonra it yapabilmek çözmek bir sorun Daha hızlı. 

"Bu, çözüme ulaşmak için gereken kimyasal miktarını azaltma gibi ek bir faydaya da sahip." 

– Abolhasani

Ekip, sistemlerinin yeteneklerini göstermek için CdSe kolloidal kuantum noktalarına dinamik akış deneyleri uyguladı. Bu sistem, yalnızca zengin parametre bağımlılıklarına değil, aynı zamanda önemli bir teknolojik potansiyele sahip, köklü bir inorganik sistem olması nedeniyle bir test ortamı olarak kullanıldı.

Bu durumda ekip, dinamik akış sistemini bünyesinde barındıran laboratuvarlarının "veri toplama verimliliğinde büyüklük sırasına göre bir iyileştirme" elde ettiğini buldu.

Sabit durum akışı deneyleri kullanan diğer otonom sürüş laboratuvarlarından en az 10 kat daha fazla veri elde edildi. Üstelik, eğitildikten sonra otonom sürüş laboratuvarı ilk denemede en iyi adayları keşfetmeyi başardı.

Abolhasani'nin de dediği gibi, bu atılım "sadece hızla ilgili değil", aynı zamanda sürdürülebilirliği de hedefliyor. Sistem, gerekli deney sayısını azaltarak hem kimyasal tüketimini hem de Abolhasani, atıkların azaltılması ve daha sürdürülebilir araştırma uygulamalarının teşvik edilmesi gerektiğini söyledi.

"Malzeme keşfinin geleceği sadece ne kadar hızlı gidebildiğimizle değil, aynı zamanda oraya ne kadar sorumlu bir şekilde ulaştığımızla da ilgili. Yaklaşımımız, daha az kimyasal, daha az atık ve toplumun en zorlu sorunlarına daha hızlı çözümler anlamına geliyor."

Yapay Zekanın Malzeme Bilimindeki Genişleyen Rolü: Heyecan Verici Son Keşifler

Yapay zeka dünya çapında endüstrileri dönüştürüyor, ve buna Birçok teknolojik yeniliğin ve toplumsal zorluğun temelini oluşturan malzeme bilimi. 

Sonuç olarak, kullanım Yapay zekanın yeni malzemelerin keşfi ve geliştirilmesindeki etkisi devam ediyor Uzun yıllar şimdi, Ama var kesinlikle Son yıllarda teknoloji ivme kazandıkça olur daha gelişmiş ve yetenekli. 

"Sürekli gelişimle birlikte robotik ve otomasyonun, farklı enstrümanlar ve disiplinler arasında deneylerin hızını, hassasiyetini ve tekrarlanabilirliğini artıracağını, yapay zeka sistemlerinin daha ileri deneylere rehberlik etmek üzere analiz edebileceği verileri üreteceğini umuyoruz."

– Dr. James Cahoon, makalenin ortak yazarlarından biriBilim Laboratuvarlarını Otomatik Keşif Fabrikalarına Dönüştürmek.^{2 '}

Bununla birlikte, bu yıl malzeme biliminde farklı uygulamalarda kaydedilen bazı önemli ilerlemelere bir göz atalım.

Başlangıç olarak, yakın zamanda paylaştığımız gibi, yapay zekanın yardımıyla bilim insanları, karmaşık, 3 boyutlu termal meta-yayıcılar tasarlayabildiler. indirmek iç mekan sıcaklıkları ve yardım kayıt etmek enerji maliyetleri. Yeni tasarlanan bir ML tekniği kullanılarak oluşturulan malzeme, konut ve ticari binalarda, uzay araçlarında, kumaş ve tekstillerde, otomobillerde ve daha birçok alanda uygulama alanı bulabilir.

"Sürecin otomatikleştirilmesi ve tasarım alanının genişletilmesiyle, daha önce hayal bile edilemeyen üstün performansa sahip malzemeler yaratabiliyoruz."

– Araştırmanın eşbaşkanı Yuebing Zheng

Üstün Dayanıklılığa Sahip Yeni Metalik Malzemeler Geliştirmek

Birkaç ay önce, bilim insanları rapor yeni bir MPEA veya birden fazla temel öğe tasarlamak için yapay zekayı kullanma alaşımlar, Hangi vardır bulundu uçak parçalarında, katalitik konvertörlerde ve diz protezlerinde.

The newly designed MPEA comes with superior mechanical properties, which Sanket Deshmukh, associate professor in chemical engineering at Virginia Tech, said, “demonstrates how frameworks and explainable AI can unlock new possibilities in materials design."

Analizi yorumlamak için yapılmış Yapay zeka modeliyle, Deshmukh ve ekibi Kullanılmış SHAP (SHapley Additive ExPlanations) analizi, izin onlara farklı unsurların ve bunların yerel ortamlarının nasıl oluştuğunu anlamalarını sağlamak etkiler MPEA'ların özellikleri, sırayla, daha fazla içgörü ve doğru tahminler sağlıyor.

Hızlandırmanın yanı sıra gelişmiş metalik alaşımların keşfiDeshmukh, ML'yi evrimsel algoritmalar ve deneysel doğrulama ile entegre etmenin, "glikomalzemeler (karbonhidrat içeren polimerik malzemeler) gibi karmaşık malzeme sistemlerine genişletilebilen" araçlar yaratmamıza da yardımcı olabileceğine inanıyor.

İnce Filmlerde Dendritik Büyüme Sırlarının Çözülmesi

MKS araştırma³ Tokyo Bilim Üniversitesi'nden (TUS), ince filmlerde dendritlerin (ağaç benzeri dallanma deseni) büyümesini tahmin eden açıklanabilir bir yapay zeka modeli geliştirdi. Bu büyüme, geniş alanlı üretimlerinde büyük bir engel teşkil ediyor ve ticarileşmelerini kısıtlıyor.

Yapay zeka modeli, dendrit dallanmasının ardındaki özel koşulları ve mekanizmaları ortaya çıkararak ince filmlerin büyüme sürecini iyileştirmeye yardımcı oluyor. İnce film cihazları kritik in teknoloji gibi yarı iletkenler.

Yeni yapay zeka modeli, temel bileşen analizi (PCA) adı verilen makine öğrenmesi yöntemini ve kalıcı homoloji adı verilen topoloji tekniğini serbest enerji analiziyle entegre etti. 

Topoloji ve serbest enerjiyi entegre ederek, yöntemimiz malzeme analizine çok yönlü bir yaklaşım sunuyor. Bu entegrasyon sayesinde, çok çeşitli malzemelerde atomik ölçekli mikro yapılar ve makroskobik işlevler arasında hiyerarşik bir bağlantı kurabiliyor ve malzeme biliminde gelecekteki ilerlemelerin önünü açabiliyoruz."

– TUS Malzeme Bilimi ve Teknolojisi Bölümü'nden Profesör Masato Kotsugi

Nanopartikülleri Daha İyi Anlamak

Birden fazla üniversiteden bilim insanlarından oluşan bir ekip bir araya geldi için geliştirmek bir metod⁴ için daha iyi anlamak Elektronik, ilaç ve endüstriyel malzemelerin yapı taşları olan nanopartiküllerin dinamik davranışları.

Moleküllerin yapılarını ve hareketlerini benzeri görülmemiş bir zaman çözünürlüğünde görselleştirmek için elektron mikroskobu ile yapay zekayı birleştirdi.

Arizona Eyalet Üniversitesi'nde malzeme bilimi ve mühendisliği profesörü olan Peter A. Crozier'in açıkladığı gibi:

“Elektron mikroskobu yüksek uzamsal çözünürlükte görüntüler yakalayabilir, ancak nanopartiküllerin atomik yapısının kimyasal reaksiyonlar sırasında değişme hızı nedeniyle, bunların işlevselliğini anlamak için çok yüksek bir hızda veri toplamamız gerekir.”

Bu gürültüyü azaltmak için, gürültüyü otomatik olarak ortadan kaldıran ve "temel atom düzeyindeki dinamiklerin görselleştirilmesini sağlayan" bir yapay zeka yöntemi geliştirdiler.

Bu arada, Graz Teknoloji Üniversitesi'nden bir araştırma grubu, yapay zekayı kullanarak nanoyapı inşasını yeni bir seviyeye taşıyor.

Bunun için onlar gelişen bireysel molekülleri hızlı ve otonom bir şekilde konumlandıran kendi kendini öğrenen bir yapay zeka sistemi krallar gibi yaşamaya taramalı tünelleme mikroskopları kullanılarak oryantasyon, aksi takdirde zor ve zaman alıcı bir işlemdir, izin vermek için the bina "Nanometre aralığında mantık devreleri de dahil olmak üzere son derece karmaşık moleküler yapıların""

Amaç, elektronları hapsedebilen bir kapı şeklindeki nanoyapılar olan kuantum kafesleri inşa etmek ve bunları kullanarak moleküler düzeyde nasıl çalıştıklarını incelemek için mantık devreleri oluşturmaktır. 

Daha İyi Fotovoltaik Malzemeler Keşfediliyor

Geleneksel silikon bazlı güneş hücrelerine sürdürülebilir bir alternatif olan perovskit güneş hücreleri şov yeni nesil fotovoltaik teknolojisi olarak büyük bir vaat dönüştürmek Güneş ışığını elektriğe dönüştürmek. 

Pozitif yükleri ileten moleküller aracılığıyla etkinlikleri daha da artırılabilir, ancak milyonlarca farklı molekül vardır, bu da sentezleme anlamına gelir ve hepsini test ediyoruz. Ancak, yapay zekayı otomatik yüksek verimli sentezle kullanarak, Karlsruhe Teknoloji Enstitüsü'nden (KIT) bir araştırma ekibi şunları başardı: yeni organik moleküller keşfetmek⁵ sadece birkaç hafta içinde, sadece 150 hedefli deneyle.

Yeni keşfedilen malzemeler aynı zamanda referans güneş hücresinin verimliliğini yaklaşık yüzde iki oranında artırdı.

Bunun için bilim insanları, bir milyon sanal molekülün yer aldığı bir veri tabanına başvurdu ve bunların arasından 13,000 tanesini seçmeden önce 101 tanesini rastgele seçti. Seçilmiş olanlar vardı özelliklerindeki en büyük farklılıklar ve sentezlendi 'da robotik sistemler öncesinde onları kullanmak Güneş pilleri üretmek için.

Yapay Zeka Destekli Malzeme Keşfinin Temelini Atmak

Tüm bu keşifler yapılırken yapıyor olmakYapay zekanın bunu gerçekten gerçekleştirmesi için, veriye ihtiyacı var. Bu Malzemelere ilişkin verilerin yanı sıra büyük ölçekli simülasyonlardan elde edilen verileri de içerir. 

Bu tür birçok veritabanı mevcut olsa da, bunlar oldukça izole durumdadır ve kullanıcıların tüm bu veri kütüphaneleriyle iletişim kurabilmeleri ve aldıkları bilgileri anlayabilmeleri için bir standarda ihtiyaç duymaktadır." Belçika'daki UCLouvain Üniversitesi Yoğun Madde ve Nanobilimler Enstitüsü'nde profesör olan Gian-Marco Rignanese şöyle diyor:

Bu nedenle, geçen yaz büyük bir uluslararası işbirliği serbest Yapay zeka destekli malzeme keşfini kolaylaştırmak için OPTIMADE standardının genişletilmiş bir versiyonu.

OPTIMADE (Açık veritabanı entegrasyonu için malzeme tasarımı) standarttır arka çıkılmış geniş bir uluslararası kurum ve materyal veri tabanı ağı tarafından. Kullanıcıların önde gelen ve daha az bilinen malzeme veritabanlarına daha kolay erişim sağlamasını amaçlayan yeni bir sürümü tanıtılmıştı Bu, devam eden yapay zeka destekli malzeme keşfini daha da hızlandırabilir.

Malzeme Keşfi için Yapay Zeka'ya Yatırım Yapmak

Ne zaman yatırım yapmayı düşünüyorum bu alanda, Alfabe A.Ş.. (GOOGL ) Google'a ait bunlardan biri Gnome adında bir yapay zeka aracı yayınladı. bildirilen bulgu 2.2 milyon yeni kristal bununla. Sonra orada Microsoft (MSFT )Yeni aday malzemeler yaratmak ve bunları doğrulamak için MatterGen ve MatterSim'i tanıttı.

Ancak malzeme araştırmalarının ölçeğini ve hassasiyetini artırmak için kendi modelini başlatan başka bir yapay zeka devi daha var.

NVIDIA Corporation (NVDA )

Bu, yapay zekanın gözdesi Nvidia'dan başkası değil. Şirket, geçen yılın sonlarında tanıttı NVIDIA ALCHEMI (Kimya ve Malzeme İnovasyonu için Yapay Zeka Laboratuvarı).

Platform, yapay zekanın gücüyle kimya ve malzeme biliminde Ar-Ge'yi hızlandırmayı ve bunu başarmayı amaçlıyorAPI'leri ve hızlandırılmış çıkarım mikro servislerini içerir. Bu oluşturulmasını ve dağıtılmasını mümkün kılacaktır tür Geniş malzeme evrenini keşfetmek ve yeni adaylar önermek için yapay zeka modelleri, ve geliştirme ve kullanım vekil modellerin başarmak arasında bir denge the maliyet hesaplamanın ve doğruluk. Ayrıca olacak izin vermek erişilebilir bilişim araçları ve önceden eğitilmiş temel modeller için hızlı tarama ve simülasyon araçları trene ve ince ayar AI modelleri için yeni kullanım durumları.

NVIDIA, ALCHEMI ile keşif iş akışını hızlandırmayı ve "daha sürdürülebilir, daha sağlıklı bir geleceği güçlendiren çığır açıcı keşiflerin yeni bir dönemini başlatmayı" hedefliyor.

Nvidia, hisseleri yıl başından bu yana %4.22 artışla 173.5 trilyon dolar civarında işlem gören 28.8 trilyon dolarlık piyasa değerine sahip bir şirkettir. Hisse başına kazanç (HK) 3.10, fiyat/kazanç (P/E) 55.73 ve sunulan temettü getirisi %0.02'dir.

En Son NVIDIA Corporation (NVDA) Hisse Senedi Haberleri ve Gelişmeleri

Sonuç

Yapay zeka, otomasyon ve yüksek performanslı bilgi işlem bir araya gelmekMalzeme bilimi, insan odaklı üretimden, çok ihtiyaç duyulan bir değişime işaret ederek en dönüştürücü dönemine giriyor. Deneme ve hata to, autonomous discovery.

Tüm bunların yanı sıra, yapay zekâ destekli laboratuvarlar ve otonom deneysel platformlar, bilim insanlarının malzemeleri keşfetme, test etme ve optimize etme biçimlerini de tamamen değiştiriyor. Dahası, NVIDIA'nın ALCHEMI, Google'ın Gnome ve Microsoft'un MatterGen gibi girişimleriyle, büyük teknoloji şirketleri de bir sonraki inovasyon dalgasını beslemek için yapay zekâya güveniyor!

Yapay zekaya yatırım hakkında her şeyi öğrenmek için buraya tıklayın.

Referanslar:

1. Delgado-Licona, F.; Alsaiari, A.; Dickerson, H.; Klem, P.; Gorai, A.; Canty, RB; Bennett, JA; Jha, P.; Mukhin, N.; Li, J.; López‑Guajardo, EA; Sadeghi, S.; Bateni, F.; Abolhasani, M. Otonom İnorganik Malzeme Keşfini Hızlandırmak için Akış Odaklı Veri Yoğunlaştırma. Nature Chemical Engineering, 14 Temmuz 2025'te çevrimiçi olarak yayınlandı. https://doi.org/10.1038/s44286-025-00249-z
2. Angelopoulos, A.; Cahoon, J. F.; Alterovitz, R. Bilim Laboratuvarlarını Keşiflerin Otomatik Fabrikalarına Dönüştürmek. Sci. Robot. 2024, 9(95), eadm6991. https://doi.org/10.1126/scirobotics.adm6991
3. Ton, M.; Şato, S.; Kunii, S.; Obayashi, I.; Hiraoka, Y.; Ogawa, Y.; Fukidome, H.; Foggiatto, A.L.; Mitsumata, C.; Nagaoka, R.; Varadwaj, A.; Varadwaj, P.R.; Matsuda, I.; Kotsugi, M.; ve ark. Enerji Analizi ile Kalıcı Homoloji Kullanılarak Dendritik Büyümede Yapı ve Sürecin Bağlanması. Bilim. Teknoloji. Av. Anne. Yöntemler 2025, 5 (1), Madde 2475735. https://doi.org/10.1080/27660400.2025.2475735
4. Crozier, P.A.; Leibovich, M.; Haluai, P.; Tan, M.; Thomas, A.M.; Vincent, J.; Mohan, S.; Morales, A.M.; Kulkarni, S.A.; Matteson, D.S.; Wang, Y.; Fernandez-Granda, C. Derin Gürültü Giderme ile Etkinleştirilen Nanopartikül Yüzey Dinamikleri ve Kararsızlıklarının Görselleştirilmesi. Bilim 2025, 387 (6737), 949-954. https://doi.org/10.1126/science.ads2688
5. Wu, J.; Torresi, L.; Hu, M.; Reiser, P.; Zhang, J.; Rocha‑Ortiz, J.S.; Wang, L.; Xie, Z.; Zhang, K.; Park, B.‑W.; Barabash, A.; Zhao, Y.; Luo, J.; Wang, Y.; Lüer, L.; Deng, L.‑L.; Hauch, J.A.; Guldi, D.M.; Pérez‑Ojeda, M.E.; Seok, S.I.; Friederich, P.; Brabec, C. J. Ters Tasarım İş Akışı, Perovskit Güneş Pilleri için Özel Olarak Tasarlanmış Delik Taşıma Malzemelerini Keşfediyor. Bilim 2024, 386(6727), 1256–1264. https://doi.org/10.1126/science.ads0901