اختصاصی بسپار/ پژوهش های ژاپنی در مورد یادگیری ماشین (Machine Learning) برای پیش‌بینی خواص بسپارها (Polymers)
گروه ترجمه و تولید محتوا در بسپار/ ایران پلیمر پژوهشگران ژاپنی در خصوص یادگیری ماشین به عنوان زیرمجموعه‌ای از هوش مصنوعی مطالعه‌ای انجام داده اند که می‌تواند خواص بسپارها را پیش بینی کند. این مطالعه در مجله‌ی Science and Technology of Advanced Materials منتشر شده است.
پیش‌بینی خواص مکانیکی بسپارهای جدید، مانند استحکام کششی یا انعطاف‌پذیری، معمولا از طریق آزمایش‌های فیزیکی انجام می‌گیرد که هوش مصنوعی می‌تواند راهکاری بسیار ساده‌تر و کم هزینه‌تر برای آن داشته باشد.
پژوهشگران این روش را روی پلی‌پروپیلن همگن با استفاده از الگوهای پراش پرتو ایکس بسپارها در شرایط مختلف آماده سازی توسعه دادند که برای ارائه اطلاعات دقیق در مورد ساختار پیچیده و ویژگی‌های آن ها مورد استفاده قرار بگیرد.
خواص مکانیکی مورد تجزیه و تحلیل شامل سفتی، کشش، دمایی که در آن ماده شروع به تغییر شکل می‌کند و میزان کشامد در نقطه ی شکست بود.
یافته‌ها نشان داد که تحلیل یادگیری ماشین به طور دقیق ویژگی‌های موجود در تصاویر پراش پرتو ایکس را با خواص بسپارها مرتبط می‌کند. پیش‌بینی برخی از خواص مکانیکی از روی داده‌های پراش پرتو ایکس آسان‌تر بود، در حالی که برخی دیگر، مانند کشامد در نقطه ی شکست، چالش‌برانگیزتر بودند.
