ក្នុងនាមជាលោហៈដ៏កម្រជាយុទ្ធសាស្ត្រដ៏សំខាន់មួយ តេលូរីញ៉ូមរកឃើញកម្មវិធីសំខាន់ៗនៅក្នុងកោសិកាពន្លឺព្រះអាទិត្យ សម្ភារៈកម្ដៅអគ្គិសនី និងការរកឃើញអ៊ីនហ្វ្រារ៉េដ។ ដំណើរការបន្សុទ្ធបែបប្រពៃណីប្រឈមមុខនឹងបញ្ហាប្រឈមដូចជាប្រសិទ្ធភាពទាប ការប្រើប្រាស់ថាមពលខ្ពស់ និងការកែលម្អភាពបរិសុទ្ធមានកម្រិត។ អត្ថបទនេះណែនាំជាប្រព័ន្ធអំពីរបៀបដែលបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិតអាចបង្កើនប្រសិទ្ធភាពដំណើរការបន្សុទ្ធតេលូរីញ៉ូមយ៉ាងទូលំទូលាយ។

១. ស្ថានភាពបច្ចុប្បន្ននៃបច្ចេកវិទ្យាបន្សុទ្ធតេលូរីញ៉ូម

១.១ វិធីសាស្ត្រ និងដែនកំណត់នៃការបន្សុទ្ធតេលូរីញ៉ូមធម្មតា

វិធីសាស្ត្របន្សុទ្ធសំខាន់ៗ៖

• ការចម្រាញ់ដោយសុញ្ញកាស៖ ស័ក្តិសមសម្រាប់ការយកសារធាតុមិនបរិសុទ្ធដែលមានចំណុចពុះទាបចេញ (ឧ. Se, S)
• ការចម្រាញ់តំបន់៖ មានប្រសិទ្ធភាពជាពិសេសសម្រាប់ការយកលោហធាតុមិនបរិសុទ្ធចេញ (ឧ. Cu, Fe)
• ការចម្រាញ់ដោយអេឡិចត្រូលីត៖ មានសមត្ថភាពដកយកចេញនូវភាពមិនបរិសុទ្ធផ្សេងៗបានយ៉ាងជ្រៅ
• ការដឹកជញ្ជូនចំហាយគីមី៖ អាចផលិតតេលូរីញ៉ូមដែលមានភាពបរិសុទ្ធខ្ពស់បំផុត (ថ្នាក់ទី 6N និងខ្ពស់ជាងនេះ)

បញ្ហាប្រឈមសំខាន់ៗ៖

• ប៉ារ៉ាម៉ែត្រដំណើរការពឹងផ្អែកលើបទពិសោធន៍ជាជាងការបង្កើនប្រសិទ្ធភាពជាប្រព័ន្ធ
• ប្រសិទ្ធភាពនៃការដកយកភាពមិនបរិសុទ្ធឈានដល់កម្រិតកកស្ទះ (ជាពិសេសសម្រាប់ភាពមិនបរិសុទ្ធដែលមិនមែនជាលោហធាតុដូចជាអុកស៊ីសែន និងកាបូន)
• ការប្រើប្រាស់ថាមពលខ្ពស់នាំឱ្យមានការចំណាយផលិតកម្មខ្ពស់
• ការប្រែប្រួលភាពបរិសុទ្ធពីមួយបាច់ទៅមួយបាច់យ៉ាងសំខាន់ និងស្ថេរភាពមិនល្អ

១.២ ប៉ារ៉ាម៉ែត្រសំខាន់ៗសម្រាប់ការបង្កើនប្រសិទ្ធភាពនៃការបន្សុទ្ធតេលូរីញ៉ូម

ម៉ាទ្រីសប៉ារ៉ាម៉ែត្រដំណើរការស្នូល៖

2. ក្របខ័ណ្ឌកម្មវិធី AI សម្រាប់ការបន្សុទ្ធ Tellurium

២.១ ស្ថាបត្យកម្មបច្ចេកទេសទូទៅ

ប្រព័ន្ធបង្កើនប្រសិទ្ធភាព AI បីកម្រិត៖

1. ស្រទាប់ព្យាករណ៍៖ គំរូព្យាករណ៍លទ្ធផលដំណើរការផ្អែកលើការរៀនរបស់ម៉ាស៊ីន
2. ស្រទាប់បង្កើនប្រសិទ្ធភាព៖ ក្បួនដោះស្រាយបង្កើនប្រសិទ្ធភាពប៉ារ៉ាម៉ែត្រពហុគោលបំណង
3. ស្រទាប់ត្រួតពិនិត្យ៖ ប្រព័ន្ធត្រួតពិនិត្យដំណើរការជាក់ស្តែង

២.២ ប្រព័ន្ធទទួល និងដំណើរការទិន្នន័យ

ដំណោះស្រាយ​សមាហរណកម្ម​ទិន្នន័យ​ច្រើន​ប្រភព៖

• ទិន្នន័យឧបករណ៍ចាប់សញ្ញាឧបករណ៍៖ ប៉ារ៉ាម៉ែត្រជាង ២០០ រួមទាំងសីតុណ្ហភាព សម្ពាធ អត្រាលំហូរ
• ទិន្នន័យត្រួតពិនិត្យដំណើរការ៖ លទ្ធផលនៃការវិភាគម៉ាសស្ពិចត្រូម៉ែត្រី និងស្ពិចត្រូស្កូបតាមអ៊ីនធឺណិត
• ទិន្នន័យវិភាគមន្ទីរពិសោធន៍៖ លទ្ធផលតេស្តក្រៅបណ្តាញពី ICP-MS, GDMS ជាដើម។
• ទិន្នន័យផលិតកម្មប្រវត្តិសាស្ត្រ៖ កំណត់ត្រាផលិតកម្មពី 5 ឆ្នាំកន្លងមក (1000+ បាច់)

វិស្វកម្មលក្ខណៈពិសេស៖

• ការស្រង់ចេញលក្ខណៈពិសេសស៊េរីពេលវេលាដោយប្រើវិធីសាស្ត្របង្អួចរអិល
• ការសាងសង់លក្ខណៈពិសេសចលនវិទ្យានៃការធ្វើចំណាកស្រុកមិនបរិសុទ្ធ
• ការអភិវឌ្ឍម៉ាទ្រីសអន្តរកម្មប៉ារ៉ាម៉ែត្រដំណើរការ
• ការបង្កើតលក្ខណៈពិសេសនៃតុល្យភាពសម្ភារៈ និងថាមពល

៣. បច្ចេកវិទ្យាបង្កើនប្រសិទ្ធភាព AI ស្នូលលម្អិត

៣.១ ការបង្កើនប្រសិទ្ធភាពប៉ារ៉ាម៉ែត្រដំណើរការដោយផ្អែកលើការរៀនសូត្រស៊ីជម្រៅ

ស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទ៖

• ស្រទាប់បញ្ចូល៖ ប៉ារ៉ាម៉ែត្រដំណើរការ ៥៦ វិមាត្រ (ធ្វើឱ្យមានលក្ខណៈធម្មតា)
• ស្រទាប់លាក់៖ ស្រទាប់ LSTM ចំនួន 3 (ណឺរ៉ូនចំនួន 256) + ស្រទាប់ដែលភ្ជាប់គ្នាយ៉ាងពេញលេញចំនួន 2
• ស្រទាប់​ទិន្នផល៖ សូចនាករគុណភាព 12 វិមាត្រ (ភាពបរិសុទ្ធ មាតិកាមិនបរិសុទ្ធ។ល។)

យុទ្ធសាស្ត្របណ្តុះបណ្តាល៖

• ការរៀនសូត្រផ្ទេរ៖ ការបណ្តុះបណ្តាលជាមុនដោយប្រើទិន្នន័យបន្សុទ្ធនៃលោហធាតុស្រដៀងគ្នា (ឧ. Se)
• ការរៀនសូត្រសកម្ម៖ ការបង្កើនប្រសិទ្ធភាពការរចនាពិសោធន៍តាមរយៈវិធីសាស្ត្រ D-optimal
• ការរៀនសូត្រពង្រឹងសមត្ថភាព៖ ការបង្កើតមុខងាររង្វាន់ (ការកែលម្អភាពបរិសុទ្ធ ការកាត់បន្ថយថាមពល)

ករណី​បង្កើន​ប្រសិទ្ធភាព​ធម្មតា៖

• ការបង្កើនប្រសិទ្ធភាពទម្រង់សីតុណ្ហភាពចម្រាញ់ក្នុងសុញ្ញកាស៖ កាត់បន្ថយសំណល់ Se ៤២%
• ការបង្កើនប្រសិទ្ធភាពអត្រាចម្រាញ់តំបន់៖ ការកែលម្អ 35% នៃការដកយក Cu
• ការបង្កើនប្រសិទ្ធភាពនៃរូបមន្តអេឡិចត្រូលីត៖ ការកើនឡើង 28% នៃប្រសិទ្ធភាពបច្ចុប្បន្ន

៣.២ ការសិក្សាអំពីយន្តការដកយកភាពមិនបរិសុទ្ធចេញដោយប្រើកុំព្យូទ័រ

ការក្លែងធ្វើឌីណាមិកម៉ូលេគុល៖

• ការអភិវឌ្ឍអនុគមន៍សក្តានុពលនៃអន្តរកម្ម Te-X (X=O,S,Se ។ល។)
• ការក្លែងធ្វើនៃចលនវិទ្យានៃការបំបែកភាពមិនបរិសុទ្ធនៅសីតុណ្ហភាពផ្សេងៗគ្នា
• ការព្យាករណ៍នៃថាមពលចងភ្ជាប់បន្ថែម-ភាពមិនបរិសុទ្ធ

ការគណនាគោលការណ៍ទីមួយ៖

• ការគណនាថាមពលបង្កើតភាពមិនបរិសុទ្ធនៅក្នុងបន្ទះតេលូរីញ៉ូម
• ការព្យាករណ៍នៃរចនាសម្ព័ន្ធម៉ូលេគុល chelating ល្អបំផុត
• ការបង្កើនប្រសិទ្ធភាពនៃផ្លូវប្រតិកម្មដឹកជញ្ជូនចំហាយទឹក

ឧទាហរណ៍នៃការអនុវត្ត៖

• ការរកឃើញសារធាតុ LaTe₂ ដែលជាសារធាតុស្រូបយកអុកស៊ីសែនថ្មី ដែលកាត់បន្ថយមាតិកាអុកស៊ីសែនមកត្រឹម 0.3ppm
• ការរចនាសារធាតុ chelating ដែលប្ដូរតាមបំណង ដែលធ្វើអោយប្រសើរឡើងនូវប្រសិទ្ធភាពនៃការដកយកកាបូនចេញ 60%

៣.៣ ការបង្កើនប្រសិទ្ធភាពដំណើរការឌីជីថលភ្លោះ និងការបង្កើនប្រសិទ្ធភាពនិម្មិត

ការសាងសង់ប្រព័ន្ធឌីជីថលភ្លោះ៖

1. គំរូធរណីមាត្រ៖ ការផលិតឡើងវិញនូវឧបករណ៍ 3D ដ៏ត្រឹមត្រូវ
2. គំរូរូបវន្ត៖ ការផ្ទេរកំដៅរួម ការផ្ទេរម៉ាស និងឌីណាមិកសារធាតុរាវ
3. គំរូគីមី៖ ចលនវិទ្យាប្រតិកម្មនៃភាពមិនបរិសុទ្ធរួមបញ្ចូលគ្នា
4. គំរូត្រួតពិនិត្យ៖ ការឆ្លើយតបប្រព័ន្ធត្រួតពិនិត្យក្លែងធ្វើ

ដំណើរការបង្កើនប្រសិទ្ធភាពនិម្មិត៖

• ការធ្វើតេស្តការរួមបញ្ចូលគ្នានៃដំណើរការជាង ៥០០ នៅក្នុងលំហឌីជីថល
• ការកំណត់អត្តសញ្ញាណប៉ារ៉ាម៉ែត្ររសើបសំខាន់ៗ (ការវិភាគ CSV)
• ការព្យាករណ៍នៃបង្អួចប្រតិបត្តិការល្អបំផុត (ការវិភាគ OWC)
• ការផ្ទៀងផ្ទាត់ភាពរឹងមាំនៃដំណើរការ (ការក្លែងធ្វើ Monte Carlo)

៤. ផ្លូវអនុវត្តឧស្សាហកម្ម និងការវិភាគអត្ថប្រយោជន៍

៤.១ ផែនការអនុវត្តជាដំណាក់កាល

ដំណាក់កាលទី I (០-៦ ខែ)៖

• ការដាក់ពង្រាយប្រព័ន្ធទទួលទិន្នន័យជាមូលដ្ឋាន
• ការបង្កើតមូលដ្ឋានទិន្នន័យដំណើរការ
• ការអភិវឌ្ឍគំរូព្យាករណ៍បឋម
• ការអនុវត្តការត្រួតពិនិត្យប៉ារ៉ាម៉ែត្រសំខាន់ៗ

ដំណាក់កាលទី II (6-12 ខែ):

• ការបញ្ចប់ប្រព័ន្ធឌីជីថលភ្លោះ
• ការបង្កើនប្រសិទ្ធភាពនៃម៉ូឌុលដំណើរការស្នូល
• ការអនុវត្តការគ្រប់គ្រងរង្វិលជុំបិទជិតសាកល្បង
• ការអភិវឌ្ឍប្រព័ន្ធតាមដានគុណភាព

ដំណាក់កាលទី III (12-18 ខែ):

• ការបង្កើនប្រសិទ្ធភាព AI ដំណើរការពេញលេញ
• ប្រព័ន្ធគ្រប់គ្រងសម្របខ្លួន
• ប្រព័ន្ធថែទាំឆ្លាតវៃ
• យន្តការរៀនសូត្រជាបន្តបន្ទាប់

៤.២ អត្ថប្រយោជន៍សេដ្ឋកិច្ចដែលរំពឹងទុក

ការសិក្សាករណីនៃការផលិតតេលូរីញ៉ូមភាពបរិសុទ្ធខ្ពស់ប្រចាំឆ្នាំចំនួន 50 តោន៖

៥. បញ្ហាប្រឈម និងដំណោះស្រាយផ្នែកបច្ចេកទេស

៥.១ ចំណុច​កកស្ទះ​បច្ចេកទេស​សំខាន់ៗ

1. បញ្ហាគុណភាពទិន្នន័យ៖
   • ទិន្នន័យឧស្សាហកម្មមានសំឡេងរំខានច្រើន និងតម្លៃដែលបាត់
   • ស្តង់ដារមិនស៊ីសង្វាក់គ្នានៅទូទាំងប្រភពទិន្នន័យ
   • វដ្តនៃការទទួលបានរយៈពេលវែងសម្រាប់ទិន្នន័យវិភាគភាពបរិសុទ្ធខ្ពស់
2. ការធ្វើឱ្យទូទៅនៃគំរូ៖
   • ការប្រែប្រួលវត្ថុធាតុដើមបណ្តាលឱ្យមានការបរាជ័យនៃគំរូ
   • ភាពចាស់នៃឧបករណ៍ប៉ះពាល់ដល់ស្ថេរភាពដំណើរការ
   • លក្ខណៈបច្ចេកទេសផលិតផលថ្មីតម្រូវឱ្យមានការបណ្តុះបណ្តាលឡើងវិញនូវគំរូ
3. ការលំបាកក្នុងការធ្វើសមាហរណកម្មប្រព័ន្ធ៖
   • បញ្ហាភាពឆបគ្នារវាងឧបករណ៍ចាស់ និងថ្មី
   • ការពន្យារពេលឆ្លើយតបការគ្រប់គ្រងតាមពេលវេលាជាក់ស្តែង
   • បញ្ហាប្រឈមនៃការផ្ទៀងផ្ទាត់សុវត្ថិភាព និងភាពជឿជាក់

៥.២ ដំណោះស្រាយប្រកបដោយភាពច្នៃប្រឌិត

ការបង្កើនប្រសិទ្ធភាពទិន្នន័យសម្របខ្លួន៖

• ការបង្កើតទិន្នន័យដំណើរការផ្អែកលើ GAN
• ការផ្ទេរការរៀនសូត្រដើម្បីទូទាត់សងសម្រាប់កង្វះខាតទិន្នន័យ
• ការរៀនសូត្រពាក់កណ្តាលត្រួតពិនិត្យដោយប្រើប្រាស់ទិន្នន័យដែលមិនមានស្លាក

វិធីសាស្រ្តធ្វើគំរូចម្រុះ៖

• គំរូទិន្នន័យដែលរឹតត្បិតដោយរូបវិទ្យា
• ស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទដែលដឹកនាំដោយយន្តការ
• ការលាយបញ្ចូលគ្នានៃម៉ូដែលពហុភាព

ការគណនាសហការ Edge-Cloud៖

• ការដាក់ពង្រាយគែមនៃក្បួនដោះស្រាយត្រួតពិនិត្យសំខាន់ៗ
• ការគណនាលើ Cloud សម្រាប់កិច្ចការបង្កើនប្រសិទ្ធភាពស្មុគស្មាញ
• ការទំនាក់ទំនង 5G មានភាពយឺតយ៉ាវទាប

៦. ទិសដៅអភិវឌ្ឍន៍នាពេលអនាគត

1. ការអភិវឌ្ឍសម្ភារៈឆ្លាតវៃ៖
   • សម្ភារៈបន្សុទ្ធឯកទេសដែលរចនាឡើងដោយ AI
   • ការត្រួតពិនិត្យកម្រិតខ្ពស់នៃការរួមបញ្ចូលគ្នានៃសារធាតុបន្ថែមដ៏ល្អបំផុត
   • ការព្យាករណ៍អំពីយន្តការចាប់យកភាពមិនបរិសុទ្ធថ្មី
2. ការបង្កើនប្រសិទ្ធភាពដោយស្វ័យភាពពេញលេញ៖
   • ស្ថានភាពដំណើរការដឹងខ្លួនដោយខ្លួនឯង
   • ប៉ារ៉ាម៉ែត្រប្រតិបត្តិការដែលបង្កើនប្រសិទ្ធភាពដោយខ្លួនឯង
   • ការដោះស្រាយភាពមិនប្រក្រតីដោយខ្លួនឯង
3. ដំណើរការបន្សុទ្ធបៃតង៖
   • ការបង្កើនប្រសិទ្ធភាពផ្លូវថាមពលអប្បបរមា
   • ដំណោះស្រាយកែច្នៃកាកសំណល់
   • ការត្រួតពិនិត្យស្នាមជើងកាបូនតាមពេលវេលាជាក់ស្តែង

តាមរយៈការរួមបញ្ចូលបញ្ញាសិប្បនិម្មិត (AI) យ៉ាងស៊ីជម្រៅ ការបន្សុទ្ធសារធាតុ tellurium កំពុងឆ្លងកាត់ការផ្លាស់ប្តូរបដិវត្តន៍មួយ ពីបទពិសោធន៍ដែលជំរុញទៅជាទិន្នន័យ ពីការបង្កើនប្រសិទ្ធភាពតាមផ្នែក ទៅជាការបង្កើនប្រសិទ្ធភាពរួម។ ក្រុមហ៊ុននានាត្រូវបានណែនាំឱ្យអនុម័តយុទ្ធសាស្ត្រ "ផែនការមេ ការអនុវត្តជាដំណាក់កាល" ដោយផ្តល់អាទិភាពដល់ការទម្លាយភាពជឿនលឿននៅក្នុងជំហានដំណើរការសំខាន់ៗ និងកសាងប្រព័ន្ធបន្សុទ្ធឆ្លាតវៃដ៏ទូលំទូលាយបន្តិចម្តងៗ។