Svensk forskning: Klimatsmart datalagring med AI och magnetism

– 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, i ett pressmeddelande.

Projektet Explainable machine learning for magnetic interactions extraction drivs av forskare från Örebro universitet och Uppsala universitet och finansieras av Wallenberg AI, Autonomous Systems and Software Program (WASP) och Wallenberg Initiative Materials Science for Sustainability (WISE).

Målet är att utveckla AI att hitta nya material som kan lagra och hantera data på ett mindre energikrävande sätt idag. Ett sätt sådan sätt skulle kunna vara med hjälp av magnetiska ”skyrmioner” (magnetic skyrmions).

Magnetiska skyrmioner

Magnetiska skyrmioner är ett slags tillstånd i magnetiska material när de minsta beståndsdelarna börjar snurra. Istället för traditionell magnetism med spänningsfält som går från norr till söder, är magnetiska skyrmioner som en virvelvind som rör sig runt en central punkt.

En sådan här skyrmion är ofta inte längre än en nanometer, och är dessutom väldigt stabil och energieffektiv. Därför skulle den kunna ersätta ”traditionell” magnetism som används i dagens datorer för att läsa data.

– 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.

Fler miljoner till Örebro

Utöver sponsring till denna materialforskning blir dessutom Örebro universitets professor i datavetenskap Amy Loutfi en så kallad Wallenberg Scholar, och får 18 miljoner kronor för att under fem år utveckla sin forskning om AI och robotik.

Det handlar bland annat om nya tekniker som förbättrar inlärningsprocessen hos förkroppsligad AI.

– Exempelvis lek är en naturlig och viktig aktivitet som gör att vi lär oss och utvecklar nya färdigheter.  Men inspiration från det vill vi undersöka hur språk och lekfullhet kan driva på inlärningsprocessen. Genom att låta en AI själv föreställa sig nya och abstrakta mål med hjälp av språket kan AI:n utforska världen och till och med skapa sin egen läroplan eller målsekvens, säger Amy Loutfi, i ett pressmeddelande.