xs
xsm
sm
md
lg

หาวิธีสร้างวัสดุฉลาดจากข้อมูลมโหฬารแบบ exponential

เผยแพร่:   โดย: สุทัศน์ ยกส้าน


ภาพแผ่นจานทองแดงที่ผลิตด้วยการหล่อและกัดกร่อน จนเห็นผลึก (Alchemist-hp)
ในปี 1982 ที่บริเวณนอกฝั่งของเมือง Uluburun ซึ่งตั้งอยู่ทางทิศตะวันตกเฉียงใต้ของประเทศตุรกี ได้มีการพบซากเรือโบราณอายุ 3,300 ปี จมอยู่ในทะเล เมื่อนักเก็บฟองน้ำได้ว่ายน้ำเข้าไปสำรวจภายในเรือก็พบว่า เรือลำนี้บรรทุกแร่ทองแดงและดีบุก ที่หนักประมาณ 9 ตัน และ 1 ตัน ตามลำดับ การพบแร่ในปริมาณมากเข่นนี้ มิใช่เรื่องแปลก แต่เมื่อพิจารณาอัตราส่วนระหว่างทองแดง : ดีบุก ที่มีค่า 9 : 1 ก็พบว่าเป็นตัวเลขที่น่าใจและประหลาดใจ เพราะคนโบราณในยุคทองสำริด เวลาต้องการจะผลิตทองสำริดมักใช้ทองแดง : ดีบุก ในอัตราส่วน 9 : 1 เช่นกัน

เมื่อถึงยุคปัจจุบันกที่มีการใช้เหล็กในการสร้างสะพาน ทำเสาเหล็กและใช้ทำของมีคม เช่น ดาบและมีด ฯลฯ ช่างก็มักใช้เหล็กบริสุทธิ์ 98% ผสมกับคาร์บอน 2% เพื่อผลิตเหล็กกล้าที่แข็งแรง ทนทาน และใช้งานได้ดี หรือเวลาใช้ทองคำทำเครื่องประดับ ก็มักใช้ทองคำ 75%, นิเกิล 10%, พัลเลเดียม 10% และสังกะสี 5% หรือเวลาจะสร้างโลหะผสมในการทำงานบัดกรีก็มักใช้ดีบุก 90% เงิน 5% ผสมกับทองแดง 5% และถ้าจะสร้างลวดที่ใช้ในเตารีดหรือเตาปิ้งขนมปัง ที่ทนความร้อนอันเกิดจากกระแสไฟฟ้าได้ดี ก็มักใช้ลวดนิโครมที่ทำจากโครเมียม 20% และ นิเกิล 80% เป็นต้น

ดังนั้นเราจึงเห็นได้ว่า นักเทคโนโลยีโลหะตั้งแต่ในอดีตนิยมสร้างโลหะผสมโดยนำโลหะบริสุทธิ์มาเจือด้วยธาตุต่างชนิด เพื่อให้ได้วัสดุที่มีประโยชน์ตามที่คาดหวัง

คำถามที่ตามมาคือ จากธาตุธรรมชาติและธาตุประดิษฐ์ที่โลกมีร่วม 118 ชนิดนั้น นักวิทยาศาสตร์มีหลักการหรือทฤษฏีที่ใช้ในการเลือกหรือไม่ว่า จำเป็นต้องใช้ธาตุอะไร ในอัตราส่วนอะไร ที่อุณหภูมิและความความดันเท่าใด จึงจะได้วัสดุที่เป็นประโยชน์ เช่น สามารถนำความร้อนได้ดี นำไฟฟ้าได้เยี่ยม แข็งแรง ไม่เปราะ สามารถขึ้นรูปได้ง่าย มีราคาไม่แพง ใช้วัสดุที่หาได้ง่าย ทนทานในการใช้ ทนความร้อนได้ดี หรือทนความหนาวได้สบายๆ อีกทั้งไม่เป็นพิษหรือเป็นภัยต่อผู้ใช้และสิ่งแวดล้อม

ความประสงค์เหล่านี้ คือ เงื่อนไขที่นักวัสดุศาสตร์ต้องเผชิญเวลาจะสร้างวัสดุ เพื่อตอบสนองความต้องการของผู้ใช้ในสถานการณ์ต่างๆ เช่น ต้องออกแบบวัสดุที่ใช้ทำอุปกรณ์อิเล็กทรอนิกส์เพื่อให้สามารถทำงานได้บนดาวศุกร์ ซึ่งร้อนจัดถึง 400 องศาเซลเซียส หรือต้องสร้างผนังของห้องบรรจุพลาสมาในเตาปฏิกรณ์ fusion เป็นต้น

ความต้องการลักษณะนี้ กำลังชักนำนักวิทยาศาสตร์ให้ก้าวไกลเข้าสู่อาณาจักรของการค้นหาวัสดุควอนตัม (quantum materials) ซึ่งกำลังเป็นที่ฮือฮาและฮอตมาก เพราะต้องใช้เครื่องจักรกลที่สามารถเรียนรู้ได้ด้วยตัวเองในรูปแบบ machine learning เพื่อค้นหาธาตุที่เหมาะสมต่างชนิดมาผสมกันในปริมาณที่เหมาะสม เพื่อตอบความประสงค์ในประเด็นต่างๆ

จากหลักการเดิมๆ ที่เคยทำกันมา คือ นักทดลองจะใช้สารเจือเพื่อเปลี่ยนสมบัติของโลหะบริสุทธิ์ แต่จนกระทั่งถึงวันนี้ก็ไม่มีใครสามารถตอบได้ว่า กระบวนการที่ได้ทำไปนั้น ดีที่สุด คุ้มค่าที่สุด หรือมีประโยชน์มากที่สุด เพราะได้พบว่า การเติมสารเจือมากจนเกินไป แทนที่จะทำให้โลหะผสมแข็งแรงขึ้น กลับทำให้เปราะ เพราะอะตอมของสารเจือจะไปเกาะกลุ่มกันเป็นกระจุก จนทำให้โลหะผสม หักง่าย

แนวคิดในการหาหลักการที่ใช้หาวัสดุฉลาด ได้เกิดขึ้นในปี 1995 เมื่อ Jien - Wei Yeh แห่งมหาวิทยาลัย National Tsing Hua ที่เมือง Hsinchu ในจีนไต้หวันได้พบว่า ในระบบซึ่งประกอบด้วยอนุภาคจำนวนมากนับล้าน ล้าน ล้านอนุภาคนั้น ระบบจะอยู่ในสมดุล คือ เสถียร ถ้าระบบมีความไร้ระเบียบมากที่สุด (ภาษาฟิสิกส์ เรียกว่าระบบมี entropy สูงสุด) ดังนั้น การค้นหาโลหะผสมที่มีเอ็นโทรปีมากที่สุด จึงน่าจะเป็นหลักการที่ใช้ในการสร้างโลหะผสม

ทันที่ที่ได้แนวคิดนี้ Yeh จึงให้นิสิตที่กำลังทำปริญญาเอกภายใต้การดูแลของตน สังเคราะห์วัสดุเอ็นโทรปีสูง โดยการนำสารเจือต่างๆ มาเติมตั้งแต่ 5, 6, 7, ... ชนิด ในอัตราส่วนเท่ากันก่อน เพื่อให้อะตอมสารเจือกระจัดกระจายอย่างไม่เป็นกลุ่มก้อน และพบว่าภายในเวลา 1 ปี เขาได้โลหะผสมร่วม 40 ชนิด ที่แข็งแรง ทนทาน และไม่เป็นสนิมง่าย จากนั้นก็ได้ใช้เทคนิคการเลี้ยงเบนรังสีเอ็กซ์ วิเคราะห์โครงสร้างของผลึก ที่ได้เพื่อดูโครงสร้างของวัสดุชนิดใหม่ ก่อนนำมันไปทดสอบหาคุณสมบัติ และพบว่า ถ้าใช้ธาตุ 5 ชนิด ในการเจือจากธาตุที่มี 60 ชนิด จะได้โลหะเจือประมาณ 109 ชนิด และถ้าเปลี่ยนอัตราส่วนในการผสม จำนวนชนิดของโลหะผสมก็จะมากถึง 10120 ชนิด

ซึ่งเป็น big data ที่สมองมนุษย์ไม่สามารถ จำ เข้าใจ หรือเห็นแนวโน้มของสมบัติใดๆ ได้

การมีข้อมูลจำนวนมากและหลากหลายรูปแบบ อีกทั้งมีสมบัติต่างๆ ในหลายมิตินี้ ทำให้การวิจัยต้องพึ่งพาการใช้เครื่องจักรกลที่สามารถเรียนรู้เองได้เพื่อวิเคราะห์ว่า ชนิดใดมีประโยชน์ ชนิดใดไม่มีประโยชน์ ชนิดใดเสถียรและสังเคราะห์ได้ง่าย ชนิดใดควรทดสอบโดยการสังเคราะห์ขึ้นจริงในห้องทดลอง ชนิดใดแปลกใหม่ และมีศักยภาพสูง

เพราะตราบถึงทุกวันนี้ เราก็ยังไม่มีทฤษฎีควอนตัมของโลหะผสมที่มีเอ็นโทรปีสูง เพื่อใช้พยากรณ์สมบัติของโลหะผสมในจินตนาการเหล่านี้เลย

ในปี 2014 Easo Georgee แห่งมหาวิทยาลัย Ruhr ที่เมือง Boehum ในประเทศเยอรมนี ได้สังเคราะห์โลหะผสมเอ็นโทรปีสูงจากเหล็ก แมงกานิส นิเกิล โคบอลท์ กับโครเมี่ยม และได้พบว่า โลหะผสมที่ได้มีความเปราะน้อยลง (แตกยาก) แม้อุณหภูมิจะลดต่ำถึง -200 องศาเซลเซียส ก็ตาม

ส่วนโลหะผสมเหล็ก แมงกานิส โคบอลท์ และโครเมี่ยมนั้น มีความเหนียวมากและสามารถแปลงพลังงานความร้อนเป็นพลังงานไฟฟ้าได้ดี โดยใช้ปรากฏการณ์ thermoelectric ที่จะเกิดขึ้น เวลาปลายทั้งสองข้างของโลหะมีอุณหภูมิแตกต่างกัน เพราะจะมีการไหลของกระแสไฟฟ้าเกิดขึ้นในโลหะนั้น

หรือในกรณีนิเกิลบริสุทธิ์และ molypdenum บริสุทธิ์ ซึ่งเป็นโลหะที่สึกกร่อนง่าย แต่เมื่อนำโลหะทั้งสองมาผสมกัน โลหะผสมที่ได้ สามารถต้านทานการกัดกร่อนได้ดีขึ้น

เพราะเหตุว่าความต้องการของมนุษย์นั้นไม่มีขอบเขต โลกอนาคตจึงอาจจะมีวัสดุต่างชนิดและต่างชื่อเรียก ซึ่งชาวบ้านทั่วไปจะไม่รู้จักเลย เสมือนเป็นวัสดุจากต่างดาว เช่น Van der Waals materials, quantum paramagnets, Weyl metals, Bose metals, spin liquids, orbital liquids, และ topological materials เป็นต้น

ในเวลาเดียวกันโลกก็มีความต้องการวัสดุที่สร้างพลังงานได้มากขึ้น ดังนั้น รัฐบาลและองค์การวิจัยในประเทศต่างๆ ทั่วโลกจึงได้ทุ่มทุนมหาศาลในการพัฒนาเทคโนโลยีเพื่อสร้าง เปลี่ยน และการเก็บพลังงาน ด้วยการวิจัยหาวัสดุมาใช้สร้างแบตเตอรี่ชนิดใหม่ หรือหาวัสดุที่ใช้แทนซิลิกอนในเซลส์แสงอาทิตย์ ที่กำลังถึงซึ่งประสิทธิภาพสูงสุดแล้ว ทำให้ต้องหันไปใช้ quantum dots หรือสาร perovskite แทน โดยได้ตั้งเงื่อนไขว่า วัสดุใหม่ควรมีราคาถูกกว่า มีประสิทธิภาพสูงกว่า และใช้งานได้นานกว่า รวมถึงว่าต้องสร้างจากวัสดุที่ปลอดภัย ที่หาได้ง่าย เช่น ทองแดง นิเกิลและคาร์บอน ส่วนตะกั่ว แพลตินัม และทองคำนั้น ให้มีความสำคัญในอันดับรองๆ ลงไป

เพราะข้อมูลปัจจุบันที่นักวัสดุศาสตร์มีในมือ มีจำนวนมากมหาศาลเฉพาะในสหรัฐอเมริกา ที่สถาบัน National Institute of Standards and Technology มีข้อมูลร่วม 100,000 ชิ้น ที่เกี่ยวข้องกับการศึกษา เรื่อง แบตเตอรี่และเซลล์แสงอาทิตย์ และทั่วโลกมีงานวิจัยด้านวัสดุศาสตร์ประมาณ 2 ล้านเรื่อง ที่ได้ทำไปตั้งแต่ปี 2010 โดยได้จากการทำงานของนักวิจัยที่ใช้ความเห็นของตนเองจากประสบการณ์ ในการนำธาตุนี่ นั่น โน่น มาผสมกันในอัตราส่วนต่างๆ กัน

มาบัดนี้นักฟิสิกส์ทฤษฎีและนักคอมพิวเตอร์กำลังร่วมมือกันพัฒนาโปรแกรมคำนวณโครงสร้างต่างๆ ของโลหะผสม แล้วประเมินสมบัติต่างๆ ของมัน โดยใช้ supercomputer ดังในโครงการ Material Project ของสหรัฐอเมริกาซึ่งได้คำนวณและพยากรณ์สมบัติต่างๆ ของโลหะผสมจำนวนกว่า 1 ล้านชนิดเพื่อให้นักทดลองสามารถแปลงข้อมูลของวัสดุในจินตนาการให้เป็นวัสดุจริง ที่สามารถใช้ได้ทั้งในวงการอุตสาหกรรมและวงการพาณิชย์

การใช้ซุปเปอร์คอมพิวเตอร์ในลักษณะนี้ จะอำนวยความสะดวกและความรวดเร็วในการค้นหาวัสดุพลังงานในอนาคตมาก เพราะความสามารถในการเรียนรู้ได้เองโดยคอมพิวเตอร์ จะช่วยบอกให้เรารู้ว่า โมเลกุลใดบ้างมีศักยภาพที่จะใช้ทำแบตเตอรี่ โมเลกุลใดให้ได้แสง LED ที่มีคุณภาพ หรือใช้ทำเซลล์ photovoltaic ได้ โมเลกุลใดสามารถทำหน้าที่เป็นตัวกระตุ้นปฏิกิริยาเคมีได้ดี โดยใช้เวลาคำนวณเพียงไม่กี่นาที แทนที่จะใช้เวลานานเป็นวันหรือเดือน

แต่ปัญหาก็ยังมีตรงที่นักคอมพิวเตอร์ยังไม่มี algorithm ของการเข้ารหัสวัสดุ และเพื่อการประยุกต์ต่างๆ ซึ่งจำเป็นต้องใช้สมบัติที่หลากหลายของวัสดุ เช่น ชนิดของธาตุ โครงสร้างผลึก สภาพนำไฟฟ้าและความร้อน ดังนั้นการพยากรณ์จึงยังไม่มีความแม่นยำ เพราะการคำนวณกับผลการทดลอง ยังไม่สอดคล้องกันดีเท่าที่ควร

ดังนั้นนักวัสดุศาสตร์จึงต้องพยายามจัดการข้อมูลที่ตนมี ให้อยู่ในรูปที่เป็นมาตรฐาน เพื่อให้เครื่องจักรกลสามารถอ่านได้ในทันดี เพราะข้อมูลที่มีมักอยู่ในรูปของกราฟและตาราง ซึ่งได้มาจากเงื่อนไขในการทดลองหลายรูปแบบ อีกทั้งมีความผิดพลาด และความไม่แน่นอนต่างๆ ซึ่งทำให้ได้ค่าที่ไม่เป็นมาตรฐาน นั่นจึงเป็นเรื่องที่คนให้ข้อมูลต้องสังวรณ์และระวัง เพื่อให้คอมพิวเตอร์สามารถบอกได้ว่า วัสดุใด มีประสิทธิภาพถึงเกณฑ์บ้าง

นี่จึงเป็นเหตุผลที่นักเคมี วิศวกรวัสดุ นักโปรแกรมเมอร์ และนักฟิสิกส์ ต้องมาทำงานร่วมกัน เพื่อให้บรรดานักวิชาการที่เชี่ยวชาญด้านการสังเคราะห์วัสดุจากธาตุต่างๆ และนักคอมพิวเตอร์สามารถเข้าใจรายละเอียดในการทำงานของกันและกันจนได้วัสดุสมาร์ทตามที่ต้องการ

ดังนั้นการใช้ machine learning เพื่อค้นหาวัสดุพลังงาน จึงเป็นงานวิจัยที่กำลังฮอตมากในปัจจุบัน และเมื่อข้อมูลของวัสดุใหม่ๆ กำลังมีเพิ่มตลอดเวลา ภูมิทัศน์ในการทำงาน จึงมีการเปลี่ยนแปลงตลอดเวลาด้วย การหาคำตอบและคำตอบที่ได้ จึงไม่หยุดนิ่ง คือ อาจจะเป็นคำตอบที่ดีที่สุด ณ เวลาหนึ่ง แต่อาจจะไม่ดีที่สุดตลอดไป

ด้วยเหตุนี้การวิจัยด้าน machine learning เพื่อค้นหาวัสดุพลังงานและวัสดุสมาร์ทอื่นๆ จึงเป็นเรื่องที่ต้องทำ และในเวลาเดียวกันการสื่อสารและการเปิดเผยข้อมูลต่างๆ ให้ทุกคนรับทราบและเข้าใจ จึงเป็นเรื่องที่ต้องทำ เพื่อให้โลกมีวัสดุใหม่และพลังงานใหม่ใช้ ก่อนที่พลังงานเก่าและวัสดุเก่าจะหมดสภาพหรือหมดสิ้น

ในวารสาร Nature Communications (2020). DOI 10.1038/s 41467 – 16076 – 0 ฉบับเมื่อต้นเดือนกรกฎาคม ปีนี้ Michael Bauer แห่งมหาวิทยาลัย Kiel ในประเทศเยอรมนีได้ใช้แสงเลเซอร์ที่เป็นห้วงๆ (pulsed laser) โดยมีช่วงกว้างระหว่างห้วงระดับ 10-15 วินาที ติดตามการเปลี่ยนแปลงสมบัติทางกายภาพของวัสดุโทพอโลยี (topological material) ในเวลาจริง (real time) คือ เห็นเหตุการณ์ที่เกิดขึ้นตลอดเวลา

ในการทดลองใช้วัสดุ tungsten ditelluride (WTe2) ที่อยู่ในสุญญากาศ Bauer ได้ยิงเลเซอร์ห้วงแรกเพื่อให้อะตอมของ WTe2 อยู่ในสถานะกระตุ้น แล้วติดตามดูการเปลี่ยนแปลงของอะตอมโดยใช้เลเซอร์ห้วงที่ 2, 3, 4, ... ส่องดูเหตุการณ์ในเวลาต่อมา ทำให้เห็นอิเล็กตรอนเคลื่อนที่และสมบัติของ WTe2 ขณะเปลี่ยนแปลง เพราะวัสดุนี้เป็นวัสดุกึ่งโลหะแบบ Weyl (Weyl semimetal) ที่อนุภาคไม่มีมวล (massless) แต่มี momentum การเห็นการเปลี่ยนแปลงของโลหะในทุก 10-15 วินาที อาจนำไปสู่การสร้างสวิทซ์ที่ปิด – เปิด ไวมากระดับ picoseconds ได้

อ่านเพิ่มเติม The Shape of Things to Come โดย D. Castelvecchi ใน Nature, Vol 547, ฉบับวันที่ 20 July 2017.

ภาพภายในเหมืองทองแดงที่อิสราเอล


สุทัศน์ ยกส้าน

ประวัติการทำงาน-ราชบัณฑิต สำนักวิทยาศาสตร์ สาขาฟิสิกส์และดาราศาสตร์ และ ศาสตราจารย์ ระดับ 11 ภาควิชาฟิสิกส์ มหาวิทยาลัยศรีนครินทรวิโรฒ, นักวิทยาศาสตร์ดีเด่นและนักวิจัยดีเด่นแห่งชาติ สาขากายภาพและคณิตศาสตร์ ประวัติการศึกษา-ปริญญาตรีและโทจากมหาวิทยาลัยลอนดอน, ปริญญาเอกจากมหาวิทยาลัยแคลิฟอร์เนีย

อ่านบทความ "โลกวิทยาการ" จาก "ศ.ดร.สุทัศน์ ยกส้าน" ได้ทุกวันศุกร์


กำลังโหลดความคิดเห็น...