نشر فريق بحثي من جامعة Texas A&M University نتائج مبتكرة في مجلة Acta Materialia، حيث نجحوا في تحسين عملية تطوير سبائك الذاكرة الشكلية ذات درجة الحرارة العالية باستخدام الذكاء الاصطناعي مع التجارب عالية الإنتاجية. تعتمد سبائك الذاكرة الشكلية التقليدية على عناصر باهظة الثمن وتستغرق وقتًا طويلاً في التطوير. استخدم الفريق إطار عمل "Batch Bayesian Optimization"، يجمع بين خوارزميات التعلم الآلي والبيانات التجريبية، لتحقيق التنبؤ الذكي بخصائص المواد.

يتمثل الاختراق في عدة جوانب: أولاً، تقليل عدد التجارب المطلوبة باستخدام تنبؤات الذكاء الاصطناعي؛ ثانيًا، تحسين نماذج التنبؤ من خلال التحسين التكراري؛ وأخيرًا، تصميم سبائك مخصصة لتلبية وظائف محددة. يركز الفريق حاليًا على تحسين نظام سبائك النحاس-الهفنيوم (Copper-Hafnium)، مع التركيز على تعزيز تأثير الذاكرة الشكلية ودرجة حرارة التحول. يشير طالب الدكتوراه سينا حسين زاده، أحد المشاركين في البحث، إلى أن الأدوات الحسابية المتقدمة لا تسرع عملية الاكتشاف فحسب، بل تغير نمط تطوير المواد بشكل جذري.

تفتح هذه النتائج آفاقًا جديدة لتطبيقات المواد الذكية في مجالات الطيران والروبوتات. ستساهم سبائك الذاكرة الشكلية الأخف وزنًا وأكثر كفاءة في تحسين أداء الطائرات وتقليل استهلاك الطاقة، مما يدفع التقدم التكنولوجي في الصناعات ذات الصلة. ستتوسع الأبحاث المستقبلية لتشمل أنظمة عناصر أخرى، مع التركيز على التنبؤ بمؤشرات الأداء الرئيسية مثل إجهاد التحول لتلبية متطلبات التطبيقات العملية.