AI möter magnetism i nytt forskningsprojekt – ska bidra till mer miljövänlig datalagring
Magnetiska ”skyrmioner” skulle kunna användas för att minska energiförbrukningen i datalagringsenheter. För att nå dit måste det dock till mer forskning inom magnetism och AI – och det är precis vad som står i fokus för forskningsprojektet ”Explainable machine learning for magnetic interactions extraction”, som drivs av Stephanie Lowry vid Örebro universitet och Maryna Pankratova vid Uppsala universitet.
Data är framtiden. Problemet är att dagens datalagringsenheter slukar energi och bidrar till ett ökat klimatavtryck. I ett nytt forskningsprojekt ska forskare kombinera magnetism och AI för att skapa möjligheter för moderna och mer miljövänliga datalagringsenheter med låg energiförbrukning. Projektet finansieras av WASP och WISE, och sker i samverkan mellan Örebro universitet och Uppsala universitet.
Forskare har de senaste åren lyckats skapa magnetiska ”skyrmioner”, som eventuellt skulle kunna användas för datalagring och därmed bidra till att göra lagringen mer energieffektiv och miljövänlig. För att lyckas med detta, måste dock en rad olika magnetiska parametrar mätas och finjusteras.
Det är precis vad det nya forskningsprojektet ”Explainable machine learning for magnetic interactions extraction” (Förklarbar maskininlärning för extraktion av magnetiska interaktioner) ska göra.
– Projektet kommer att bidra till utveckling av maskininlärningstekniker specifikt för beräkningsfysik och skulle kunna spela en roll mer generellt i tillämpningen av maskininlärning på materialvetenskap, säger Stephanie Lowry, forskare i datavetenskap vid Örebro universitet.
Stöttas av WASP och WISE
Projektet finansieras av WASP, Wallenberg AI, Autonomous Systems and Software Program, och WISE, Wallenberg Initiative Materials Science for Sustainability, och sker i samverkan mellan Örebro universitet och Uppsala universitet.
– Det är fantastiskt att få ett sådant stöd, och en viktig aspekt är att arbetet ska bidra till både materialvetenskap och artificiell intelligens. Målet är inte bara att använda kända AI-tekniker i ett nytt tillämpningsområde, utan att tillämpningsområdet också ska inspirera till ny forskning och tekniker inom AI, säger Stephanie Lowry.
”Maskininlärning handlar inte bara om data”
Forskningen kommer att ledas av Stephanie Lowry och Maryna Pankratova, forskare i materialteori vid Uppsala universitet.
– Artificiell intelligens har använts inom materialvetenskap tidigare, men det här projektet kommer att tillämpa AI på nya former av data. Den största utmaningen för mig kommer att vara att lära mig ett nytt och komplext ämne för att kunna avgöra vilka algoritmer som är bäst att använda. Maskininlärning handlar inte bara om data - de underliggande egenskaperna hos datan gör stor skillnad för vilka tekniker som bör tillämpas, säger Stephanie Lowry.
Text: Jesper Eriksson