Izvorni znanstveni članak
Umjetna inteligencija, dubinsko učenje i kauzalnost u znanosti o materijalima
Želimir Kurtanjek
orcid.org/0000-0001-5453-6255
; Sveučilište u Zagrebu Prehrambeno-biotehnološki fakultet, Pierottijeva ulica 6, 10000 Zagreb
Sažetak
Predstavljene su primjene kauzalne umjetne inteligencije (AI) za dizajn i otkrivanje novih materijala. Pristup je utemeljen na umjetnoj inteligenciji i spajanju velikih skupova podataka s algoritmima sposobnim za predviđanje i otkrivanje uzročnih odnosa između atomskih i molekularnih svojstava te makroskopskih značajki materijala. Naglasak je stavljen na funkcionalno povezivanje atomskih svojstava i strukturnih podataka s grafičkim neuronskim mrežama (GNN) i otkrivanje služenih uzročnih veza. Zbog nelinearnih funkcionalnih ovisnosti između strukturnih i materijalnih svojstava, podaci se analiziraju u Hilbertovom prostoru reproducirajućih jezgri (RKHS). Sinteza uzročnih ovisnosti prikazana je putem usmjerenih acikličkih grafova (engl. Directed Acyclic Graphs, DAG), koji olakšavaju analizu kroz tri temeljne razine hijerarhije uzročnog zaključivanja: predikciju, intervenciju i protu činjenično zaključivanje. Posebno su prikazani rezultati dizajna molekula i supravodiča.
Ključne riječi
kauzalnost, Bayesova mreža, supravodljivost, metalno-organski okviri (MOF), polimeri
Hrčak ID:
347825
URI
Datum izdavanja:
8.6.2026.
Posjeta: 71 *