محققان در یک پژوهش جدید، از مدل «GNN» (شبکههای عصبی گراف) برای پیشبینی دقیق رفتار کاتالیستهای تکاتمی استفاده کردند. این روش به دانشمندان کمک میکند تا در طراحی کاتالیستهای جدید بر پایه «نقاط کوانتومی گرافنی» (GQD)، به جای روشهای پرهزینه آزمایشگاهی، از مدلهای هوشمند استفاده کنند.
نکته جالب اینجاست که این مدل هوش مصنوعی، هزینه محاسباتی را تا حدود ۱ میلیون برابر کاهش داده و دقت بسیار بالایی در پیشبینی انرژی جذب فلزات به ثبت رسانده است. گامی بلند در جهت تولید نانومواد و کاتالیستهای بهینهتر! 🧠💡
منبع: arXiv Machine Learning