Original scientific paper

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

Abstract

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.

Keywords

kauzalnost, Bayesova mreža, supravodljivost, metalno-organski okviri (MOF), polimeri

Hrčak ID:

347825

URI

https://hrcak.srce.hr/347825

Publication date:

8.6.2026.

Visits: 71 *