KMÜ'lü Akademisyenin Yapay Zekâ Destekli Malzeme Projesine TÜBİTAK Desteği
Karamanoğlu Mehmetbey Üniversitesi Fizik Bölümü öğretim üyesi Doç. Dr. Kağan Şarlar'ın yürütücülüğünü yaptığı, yapay zekâ destekli yüksek entropili manyetokalorik alaşımların tasarımını hedefleyen proje, TÜBİTAK 3501 Kariyer Geliştirme Programı kapsamında destek almaya hak kazandı.
KMÜ’lü Akademisyenin Yapay Zekâ Destekli Malzeme Projesine TÜBİTAK Desteği
Karamanoğlu Mehmetbey Üniversitesi Fizik Bölümü öğretim üyesi Doç. Dr. Kağan Şarlar’ın yürütücülüğünü yaptığı, yapay zekâ destekli yüksek entropili manyetokalorik alaşımların tasarımını hedefleyen proje, TÜBİTAK 3501 Kariyer Geliştirme Programı kapsamında destek almaya hak kazandı.
Karamanoğlu Mehmetbey Üniversitesi (KMÜ) Kamil Özdağ Fen Fakültesi Fizik Bölümü öğretim üyesi Doç. Dr. Kağan Şarlar’ın yürütücülüğünde hazırlanan “Yapay Zekâ Destekli Yüksek Entropili Manyetokalorik Alaşımların Tasarımı, Optimizasyonu ve Potansiyel Kompozisyonların Belirlenmesi” başlıklı proje, TÜBİTAK 3501 Kariyer Geliştirme Programı kapsamında desteklenmeye hak kazandı.
Projede araştırmacı olarak Bursa Uludağ Üniversitesi Fizik Bölümünden Dr. Öğr. Üyesi M. Cüneyt Hacıismailoğlu ile Gürbağ Savunma ve Teknoloji şirketinden Doç. Dr. Atakan Tekgül yer alıyor.
Çalışma, en az beş elementin bir araya gelmesiyle oluşan ve geniş bir kompozisyon uzayı sunan yüksek entropili alaşımlar üzerinden, manyetokalorik etkiyi güçlü biçimde sergileyebilecek yeni nesil malzemelerin keşfini hızlandırmayı amaçlıyor. Bu kapsamda fizik temelli tanımlayıcılarla eğitilen makine öğrenmesi modelleri kullanılarak binlerce olası alaşım kompozisyonu arasından hedeflenen özellikleri sağlayan adayların belirlenmesi hedefleniyor. Veri odaklı bu tarama yaklaşımı sayesinde deneysel doğrulama aşamasındaki deney sayısının en az yüzde 30 oranında azaltılması ve zaman ile kaynak kullanımında önemli ölçüde verimlilik sağlanması öngörülüyor.
Projeye ilişkin değerlendirmelerde bulunan Doç. Dr. Kağan Şarlar, çalışmanın yalnızca yeni malzeme adayları önermekle sınırlı kalmadığını, aynı zamanda malzeme biliminde yöntem geliştirme boyutu taşıdığını vurguladı. Şarlar, geliştirilen “tersine kompozisyona bağlı özellik çözümü” algoritması sayesinde, makine öğrenmesi tahminlerinden hareketle belirli özelliklere sahip alaşım kompozisyonlarının geriye doğru çözülebildiğini belirterek, bu yaklaşımın klasik deneme-yanılma yöntemlerine kıyasla çok daha etkili bir keşif hattı sunduğunu ifade etti.
Manyetokalorik etki, bir malzemenin manyetik alana maruz kaldığında sıcaklığının değişmesi prensibine dayanıyor ve bu özellik katı hâl soğutma teknolojileri için önemli bir temel oluşturuyor. Artan küresel enerji talebi ve iklim değişikliğiyle mücadele kapsamında, çevresel etkileri yüksek olan geleneksel soğutma sistemlerine alternatif olarak manyetokalorik malzemeler sürdürülebilir çözümler arasında öne çıkıyor.
Proje kapsamında belirlenecek aday yüksek entropili manyetokalorik alaşımların hem hacimli hem de ince film formunda üretilmesi ve karakterize edilmesi planlanıyor. Ark eritme ve termal buharlaştırma yöntemleriyle sentezlenecek malzemelerin yapısal ve manyetik özellikleri ayrıntılı ölçümlerle incelenerek, yapay zekâ temelli önerilerin deneysel karşılıklarının ortaya konması hedefleniyor.
Projeye ve yürütülen çalışmalara ilişkin güncel bilgilere https://kaansarlar.github.io/magnetelligence/ adresinden erişilebiliyor.