1. ការរកឃើញឆ្លាតវៃ និងការបង្កើនប្រសិទ្ធភាពក្នុងដំណើរការរ៉ែ
ក្នុងវិស័យចម្រោះរ៉ែ រោងចក្រកែច្នៃរ៉ែមួយបានណែនាំប្រព័ន្ធទទួលស្គាល់រូបភាពផ្អែកលើការរៀនសូត្រជ្រៅដើម្បីវិភាគរ៉ែក្នុងពេលវេលាជាក់ស្តែង។ ក្បួនដោះស្រាយ AI កំណត់យ៉ាងត្រឹមត្រូវនូវលក្ខណៈរូបវន្តនៃរ៉ែ (ឧទាហរណ៍ ទំហំ រូបរាង ពណ៌) ដើម្បីចាត់ថ្នាក់ និងពិនិត្យរ៉ែថ្នាក់ខ្ពស់យ៉ាងឆាប់រហ័ស។ ប្រព័ន្ធនេះបានកាត់បន្ថយអត្រាកំហុសនៃការតម្រៀបសៀវភៅដៃប្រពៃណីពី 15% ទៅ 3% ខណៈពេលដែលបង្កើនប្រសិទ្ធភាពដំណើរការដោយ 50% ។
បការវិភាគ៖ តាមរយៈការជំនួសជំនាញរបស់មនុស្សជាមួយនឹងបច្ចេកវិទ្យាការទទួលស្គាល់ដោយរូបភាព AI មិនត្រឹមតែកាត់បន្ថយថ្លៃពលកម្មប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងជួយបង្កើនភាពបរិសុទ្ធនៃវត្ថុធាតុដើម ដោយដាក់មូលដ្ឋានគ្រឹះដ៏រឹងមាំសម្រាប់ជំហានបន្សុតជាបន្តបន្ទាប់។
2. ការត្រួតពិនិត្យប៉ារ៉ាម៉ែត្រនៅក្នុងការផលិតសម្ភារៈ Semiconductor
ក្រុមហ៊ុន Intel មានបុគ្គលិកប្រព័ន្ធគ្រប់គ្រងដោយ AIនៅក្នុងការផលិត wafer semiconductor ដើម្បីតាមដានប៉ារ៉ាម៉ែត្រសំខាន់ៗ (ឧ. សីតុណ្ហភាព លំហូរឧស្ម័ន) នៅក្នុងដំណើរការដូចជា ការបញ្ចេញចំហាយគីមី (CVD)។ ម៉ូដែលសិក្សារបស់ម៉ាស៊ីន កែតម្រូវការផ្សំប៉ារ៉ាម៉ែត្រដោយថាមវន្ត កាត់បន្ថយកម្រិតនៃភាពមិនបរិសុទ្ធរបស់ wafer 22% និងបង្កើនទិន្នផល 18% ។
បការវិភាគ : AI ចាប់យកទំនាក់ទំនងដែលមិនមែនជាលីនេអ៊ែរនៅក្នុងដំណើរការស្មុគ្រស្មាញ តាមរយៈការធ្វើគំរូទិន្នន័យ ធ្វើឱ្យលក្ខខណ្ឌនៃការបន្សុតប្រសើរឡើង ដើម្បីកាត់បន្ថយការរក្សាភាពមិនបរិសុទ្ធ និងកែលម្អភាពបរិសុទ្ធនៃសម្ភារៈចុងក្រោយ។
3. ការពិនិត្យមើលនិងការធ្វើឱ្យមានសុពលភាពនៃថ្ម Lithium Electrolytes
Microsoft បានសហការជាមួយមន្ទីរពិសោធន៍ជាតិប៉ាស៊ីហ្វិកភាគពាយ័ព្យ (PNNL) ដើម្បីប្រើប្រាស់ម៉ូដែល AIដើម្បីពិនិត្យសម្ភារៈបេក្ខជនចំនួន 32 លាន កំណត់អត្តសញ្ញាណអេឡិចត្រូលីតរដ្ឋរឹង N2116 ។ សម្ភារៈនេះកាត់បន្ថយការប្រើប្រាស់លោហៈលីចូម 70% កាត់បន្ថយហានិភ័យសុវត្ថិភាពដែលបណ្តាលមកពីប្រតិកម្មលីចូមកំឡុងពេលបន្សុត។ AI បានបញ្ចប់ការពិនិត្យក្នុងរយៈពេលប៉ុន្មានសប្តាហ៍ជាកិច្ចការដែលត្រូវការជាប្រពៃណីរយៈពេល 20 ឆ្នាំ។
បការវិភាគ៖ ការពិនិត្យមើលការគណនាកម្រិតខ្ពស់ដែលអាចប្រើ AI ជួយពន្លឿនការរកឃើញវត្ថុធាតុដែលមានភាពបរិសុទ្ធខ្ពស់ ខណៈដែលការសម្រួលដល់តម្រូវការបន្សុតតាមរយៈការបង្កើនប្រសិទ្ធភាពសមាសភាព តុល្យភាពប្រសិទ្ធភាព និងសុវត្ថិភាព។
ការយល់ដឹងអំពីបច្ចេកទេសទូទៅ
- បការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យ: AI រួមបញ្ចូលទិន្នន័យពិសោធន៍ និងការក្លែងធ្វើដើម្បីគូសផែនទីទំនាក់ទំនងរវាងលក្ខណៈសម្បត្តិសម្ភារៈ និងលទ្ធផលបន្សុត កាត់បន្ថយវដ្តនៃការសាកល្បង និងកំហុសយ៉ាងខ្លាំង។
- បការបង្កើនប្រសិទ្ធភាពពហុមាត្រដ្ឋាន៖ ពីការរៀបចំកម្រិតអាតូមិក (ឧ. ការបញ្ចាំង N2116 6 ) ដល់ប៉ារ៉ាម៉ែត្រដំណើរការកម្រិតម៉ាក្រូ (ឧ. ការផលិតសារធាតុ semiconductor 5 ) , AI បើកការស៊ីសង្វាក់ឆ្លងខ្នាត។
- បផលប៉ះពាល់សេដ្ឋកិច្ច៖ ករណីទាំងនេះបង្ហាញពីការកាត់បន្ថយការចំណាយពី 20-40% តាមរយៈការបង្កើនប្រសិទ្ធភាព ឬកាត់បន្ថយកាកសំណល់។
ឧទាហរណ៍ទាំងនេះបង្ហាញពីរបៀបដែល AI កំពុងផ្លាស់ប្តូរបច្ចេកវិទ្យាបន្សុតសម្ភារៈឆ្លងកាត់ដំណាក់កាលជាច្រើន៖ ការកែច្នៃវត្ថុធាតុដើម ការគ្រប់គ្រងដំណើរការ និងការរចនាសមាសធាតុ។
ពេលវេលាផ្សាយ៖ ថ្ងៃទី ២៨ ខែមីនា ឆ្នាំ២០២៥