Yapay Zeka Patlayıcı Maddelerin Isıl Kararlılığını Tahmin Ediyor

26 Ağustos 2026, 07:00 4 dk okuma 0 görüntülenme arXiv — Kimyasal Fizik

Paylaş: Kopyalandı!

Patlayıcı ve enerjik malzemelerin güvenli depolanması için kritik bir özellik olan ısıl kararlılık, laboratuvardan laboratuvara farklı ölçüm protokolleri nedeniyle tutarsız veriler üretmektedir. Bu durum, güvenilir tahmin modelleri geliştirmeyi son derece güçleştirmektedir. Araştırmacılar bu sorunu aşmak için 'diferansiyel öğrenme' adı verilen yenilikçi bir yaklaşım geliştirdi. Yöntem, moleküllerin mutlak bozunma sıcaklıklarını tahmin etmek yerine, molekül çiftleri arasındaki göreli farkları öngörmeye odaklanıyor. Mesaj iletme sinir ağları (message passing neural networks) kullanılarak geliştirilen bu model, bileşikleri ısıl kararlılığa göre sıralamada yüzde 85'in üzerinde doğruluk oranına ulaştı ve aynı heterojen veri seti üzerinde test edilen geleneksel regresyon yöntemlerini geride bıraktı. Modelin tahminlerini daha anlaşılır kılmak için araştırmacılar, sinir ağı sonuçlarını kuantum kimyası hesaplamalarından ve kemoinformatik yazılımlardan elde edilen tanımlayıcılarla oluşturulan yorumlanabilir alternatif modellerle de karşılaştırdı. Bu çalışma, güvenlik açısından kritik malzemelerin tasarımında yapay zekanın nasıl daha güvenilir hale getirilebileceğini göstermesi bakımından önem taşıyor.

Enerjik malzemeler, yani patlayıcılar ve roket yakıtları gibi bileşikler, depolama ve taşıma süreçlerinde son derece dikkatli bir güvenlik yönetimi gerektiriyor. Bu malzemelerin ısıya maruz kaldığında ne zaman ve nasıl bozunacağını önceden tahmin edebilmek, hem endüstriyel güvenlik hem de savunma uygulamaları açısından büyük önem taşıyor.

Ancak bu alanda güvenilir tahmin modelleri geliştirmek zorlu bir süreç. Farklı laboratuvarlarda yürütülen deneyler, kullanılan protokol ve analiz yöntemlerindeki farklılıklar nedeniyle birbirinden önemli ölçüde sapan sonuçlar üretebiliyor. Bu tutarsızlık, makine öğrenmesi modellerinin eğitiminde ciddi bir engel oluşturuyor.

Yeni yayımlanan araştırmada bilim insanları bu soruna alışılmışın dışında bir çözüm önerdi: diferansiyel öğrenme. Geleneksel yaklaşımlar her molekül için mutlak bir bozunma sıcaklığı tahmin etmeye çalışırken, bu yeni yöntem iki molekülü birbirleriyle karşılaştırarak hangisinin daha kararlı olduğunu belirlemeye odaklanıyor. Sistematik deneysel hatalar her iki molekülü de benzer şekilde etkileyeceğinden, göreli karşılaştırma bu hataların etkisini büyük ölçüde azaltıyor.

Model, mesaj iletme sinir ağları mimarisini temel alıyor. Bu ağlar, molekülleri atomlar ve bağlar arasındaki etkileşimler üzerinden grafiksel yapılar olarak işleyerek moleküler özellikleri öğrenebiliyor. Heterojen bir veri seti üzerinde yapılan testlerde model, bileşikleri ısıl kararlılığa göre doğru sıralamada yüzde 85'in üzerinde başarı gösterdi; bu oran, aynı veri seti üzerinde test edilen standart regresyon yöntemlerinin oldukça üzerinde.

Araştırmacılar ayrıca sinir ağının kararlarını daha şeffaf hale getirmek amacıyla yorumlanabilir modeller de geliştirdi. Kuantum kimyası hesaplamalarından ve kemoinformatik araçlardan türetilen moleküler tanımlayıcılara dayanan bu alternatif modeller, hangi kimyasal özelliklerin ısıl kararlılığı en çok etkilediğini anlamaya yardımcı oluyor.

Çalışma, güvenlik açısından kritik alanlarda yapay zeka modellerinin güvenilirliğini artırmak için veri tutarsızlığıyla baş etmenin yaratıcı yollarına ilişkin önemli bir örnek sunuyor. Diferansiyel öğrenme yaklaşımının ilerleyen dönemde diğer kimyasal özellik tahmin problemlerine de uyarlanabileceği değerlendiriliyor.

Etiketler

#enerjik malzemeler #makine öğrenmesi #ısıl kararlılık #sinir ağları #patlayıcı güvenliği

Özgün Kaynak

Differential Learning for Robust Prediction of Thermal Stability with Application to Energetic Materials

https://arxiv.org/abs/2608.23874

Bu içerik, özgün kaynaktan referans alınarak yeniden yorumlanmış Türkçe bir özettir. Telif hakkı özgün yayın organına aittir.

Her sabah seçki, Telegram'da

Günün en önemli bilim haberleri kanalda.

Kanala Katıl

İlgili Haberler

Aynı kategoride okumaya değer

Hepsini gör →

Kimya

12 sa önce

CO₂'den Yakıt: Plazma ve Elektrik Bir Arada Çalışıyor

Yale Üniversitesi araştırmacıları, karbondioksitin değerli kimyasallara dönüştürülmesi konusunda önemli bir adım attı. Geliştirdikleri yeni yöntem, elektrokataliz ve plazma teknolojisini bir araya getirerek CO₂'den metanol, bütan ve benzeri ürünler elde etmeyi mümkün kılıyor. Karbondioksit, atmosferde fazla biriktiğinde iklim değişikliğine yol açan bir sera gazı olarak biliniyor; ancak doğru koşullar sağlandığında yakıt ve endüstriyel kimyasalların hammaddesi olarak da kullanılabiliyor. Sorun şu ki bu dönüşümü verimli ve uygulanabilir biçimde gerçekleştirmek oldukça güç. Yale ekibi, bu iki farklı teknolojiyi harmanlayarak söz konusu engeli aşmayı başardı. Çalışmanın sonuçları, prestijli bilim dergisi Nature Catalysis'te yayımlandı. Bu yaklaşım, sanayi kaynaklı karbon emisyonlarının geri dönüştürülerek ekonomik değer taşıyan ürünlere çevrilmesi açısından umut verici bir potansiyel sunuyor. Araştırma henüz erken aşamada olsa da hem iklim hem de enerji alanında çözüm arayan bilim dünyası için dikkat çekici bir gelişme.

Phys.org — Kimya Oku

Kimya

15 sa önce

Molekülleri Tanıyan Akıllı Kristal: CO₂ Yakalamada Yeni Bir Dönem

Japonya'daki Shibaura Teknoloji Enstitüsü'nden araştırmacılar, kimyasal ayırma süreçlerinde çığır açabilecek yeni bir malzeme geliştirdi. 'Katmanlar arası uyarlanabilir kristal' adı verilen bu yapı, katmanları arasındaki boşluğu hedef moleküle göre dinamik olarak ayarlayabiliyor. Bu sayede boyut ve özellik bakımından birbirine çok benzeyen moleküller arasında bile seçici bir tanıma gerçekleştirilebiliyor. Kimyasal ayırma işlemleri, endüstriyel süreçlerde son derece yüksek enerji tüketimine yol açan adımlar arasında yer alıyor; özellikle moleküller birbirine yakın büyüklükte olduğunda bu süreç daha da zorlaşıyor. Geliştirilen kristal yapı, bu soruna mekanik bir zeka kazandırarak çözüm sunuyor: Kristal, belirli bir molekülle karşılaştığında yapısını yeniden düzenliyor ve o molekülü seçici biçimde hapsediyor. CO₂ gibi sera gazlarının atmosferden tutulması açısından da önemli potansiyel taşıyan bu teknoloji, karbon yakalama alanında mevcut yöntemlere kıyasla daha verimli ve düşük enerjili alternatifler sunabilir. Araştırma, malzeme bilimi ve çevre kimyasının kesiştiği noktada umut verici bir ilerlemeyi temsil ediyor.

Phys.org — Kimya Oku

Kimya

19 sa önce

Bilim insanları 10 kat daha güçlü 'süper buz' geliştirdi

Buz, ucuz ve bol bulunan bir malzeme olmasına karşın kırılganlığı nedeniyle kullanım alanları her zaman sınırlı kalmıştır. Çatlakların ani ve kontrolsüz biçimde yayılması, buzun en büyük zayıf noktasını oluşturmaktadır. Ancak bilim insanları bu sorunu aşabilecek yeni bir malzeme geliştirdi. 'BioPykrete' adı verilen bu takviyeli buz, sıradan buza kıyasla yaklaşık 10 kat daha yüksek dayanım sergilemekte ve kırılmadan önce çok daha fazla enerji emebilmektedir. Araştırmacılar, bu malzemenin kırılmadan önce sıradan buzun soğurabileceği enerjinin yaklaşık 70 katını absorbe edebildiğini ortaya koydu. BioPykrete'nin bu olağanüstü özellikleri, onu inşaat, soğuk iklim mühendisliği ve savunma gibi alanlarda potansiyel bir yapı malzemesi adayı haline getiriyor. Buzun doğal ucuzluğu ve erişilebilirliği göz önünde bulundurulduğunda, bu tür geliştirmeler sürdürülebilir malzeme bilimi açısından da büyük önem taşımaktadır.

Phys.org — Kimya Oku