
اولین کتابخانه داده هوش مصنوعی در حوزه مواد و متالورژی؛ معرفی PyGamLab

به گزارش گروه دانشگاه خبرگزاری دانشجو، کتابخانه PyGamLab حاصل سه سال تلاش مستمر در آزمایشگاه گرافن و مواد پیشرفته دانشگاه صنعتی امیرکبیر است که با مشارکت بیش از ۷۰ دانشجو توسعه یافته و منتشر شده است.
زبان برنامهنویسی پایتون به دلیل بهرهمندی از مجموعهای گسترده از کتابخانهها و پکیجهای کاربردی، یکی از قدرتمندترین ابزارهای توسعه نرمافزار در جهان به شمار میرود. این پکیجها با جایگزین کردن هزاران خط کد با چند تابع آماده، فرآیند توسعه را بسیار سادهتر کردهاند. پکیجهای مطرحی مانند NumPy، Matplotlib، Pandas، Scikit-learn و TensorFlow که توسط گوگل توسعه یافتهاند از جمله ابزارهایی هستند که در اغلب پروژههای هوش مصنوعی و علمی مورد استفاده قرار میگیرند.
در همین راستا، بخش هوش مصنوعی آزمایشگاه گرافن و مواد پیشرفته دانشگاه صنعتی امیرکبیر، تحت نظارت دکتر مالک نادری و با مدیریت علی پیلهور میبدی، پکیجی با نام PyGamLab را توسعه دادهاند. نام این پکیج برگرفته از ترکیب واژههای "Python" و "GamLab" (مخفف Graphene and Advanced Materials Laboratory) است و شامل بخشهای مختلفی در حوزههای مهندسی، محاسبات، تحلیل داده و شبیهسازی است.
در این راستا، کتابخانه PyGamLab به عنوان نخستین پکیج رسمی توسعهیافته تحت نظر یک آزمایشگاه دانشگاهی در ایران، به مهندسان و پژوهشگران این امکان را میدهد تا از ابزارهای پیشرفتهای برای شبیهسازی، محاسبات و تحلیل دادههای علمی بهرهبرداری کنند.
این پکیج شامل ابزارهایی کاربردی در زمینه فرمولسازی، شبیهسازی، و محاسبات مهندسی است که میتواند مورد استفاده مهندسان در حوزههای مختلف قرار گیرد. برخی از امکانات کلیدی این پکیج عبارتند از:
• ثابتهای فیزیکی و مهندسی از جمله ثابت پلانک و دیگر ثابتهای بنیادی
• تبدیلکنندههای واحد برای تبدیل واحدهای فیزیکی مختلف به یکدیگر
• توابع محاسباتی مهندسی در حوزههایی مانند مهندسی مواد، پلیمر، نانو، فیزیک، شیمی و ...
• تحلیل دادههای آزمایشگاهی با امکان رسم نمودارهایی همچون تنش–کرنش، طیفنگاری اشعه X و بسیاری موارد دیگر تنها با یک خط کد
پکیج PyGamLab در حال حاضر در مخزن رسمی PyPI منتشر شده و کاربران در سراسر جهان میتوانند با استفاده از دستور زیر آن را نصب و مورد استفاده قرار دهند:
pip install pygamlab
از ویژگیهای مهم این پروژه، متنباز بودن آن است که در پلتفرم GitHub نیز در دسترس عموم قرار دارد. این موضوع امکان مشارکت تمامی پژوهشگران، دانشجویان و توسعهدهندگان علاقهمند در سطح بینالمللی را فراهم ساخته است تا به ارتقا و افزودن قابلیتهای جدید به این پکیج بپردازند.
در نسخههای آتی، توابع پیشرفتهتری در زمینه شبیهسازیهای مهندسی (مانند انتقال حرارت، تحلیل ساختاری و...) و همچنین پایگاه دادههای معتبر آزمایشگاهی و مدلهای آموزشدیدهی هوش مصنوعی به این پکیج افزوده خواهد شد که همگی قابل استفاده مستقیم در پروژههای پژوهشی و صنعتی هستند.