ИИ преобразует поиск новых материалов, которые могут помочь создать технологии будущего

От бронзового века до промышленной революции и за его пределами открытие и развитие новых материалов были движущей силой в истории человечества. Эти новые материалы помогли развивать технологии и формировать цивилизации.

Сегодня мы находимся в начале новой эры, где искусственный интеллект (ИИ), кажется, находится в идеальном положении для преобразования поиска полезных материалов. Это, похоже, намеревается полностью изменить подход к их расследованию, созданию и тестированию.

В древние времена человеческие цивилизации экспериментировали с природными ресурсами для создания инструментов и артефактов. Бронзовый век в середине 4-го тысячелетия до н.э. был важной вехой. Бронза, сплав меди и олова, привел к разработке более сильных инструментов и оружия, а также к достижениям в области сельского хозяйства и строительства.

Бронза часто называют первым «новым материалом», созданным людьми. Мы взяли разные элементы и создали что -то новое, с лучшими свойствами, которые ингредиенты и уникальные качества. Изобретение стекла в древней Месопотамии около 3500 г. до н.э. стало еще одним новаторским моментом.

Перенесемся в 20 -й век, и открытие пластиковых полимеров, керамики и сверхпроводников открыли новые границы в технологии. Керамика, известная своей долговечностью и термостойкостью, стала основным продуктом в отраслях от аэрокосмической промышленности до электроники.

Сверхпроводники, материалы, которые могут проводить электричество с нулевой электрической стойкостью, уже используются в Maglevs (магнитные левитация), ускорители частиц и медицинские устройства.

ИИ входит в драку

Поиск новых материалов, которые могли бы помочь в разработке следующих новаторских технологий, ранее было долгим и дорогостоящим процессом. Это было связано со сложностью многих материалов на атомных и молекулярных уровнях. Традиционные методы по сути основаны на пробных и ошибках и нуждаются в специализированном оборудовании и ресурсах.

Неопределенная неопределенность и риск в обнаружении материала еще больше усложняют и удлиняют процесс. Тем не менее, достижения в области искусственного интеллекта, в том числе в подмножестве ИИ, называемого машинным обучением, начинают трансформировать весь ландшафт, обеспечивая более эффективные и целевые подходы. В машинном обучении математические правила, называемые алгоритмами, учатся на данных для улучшения задач без вмешательства человека.

Основной сдвиг — это новая методология, основанная на «генеративных» системах ИИ, которые могут создавать новый контент. Системы ИИ теперь могут напрямую производить новые материалы, когда они предоставляются с желаемыми свойствами и ограничениями.

Ранее в этом месяце команда Microsoft опубликовала статью в природе, которая представила пару инструментов ИИ для проектирования неорганических материалов (тех, кто не основан на элементе углерода).

Эти инструменты играют дополнительные роли в обнаружении материалов. Они называются Материалген и Маттерс. Первый создает новые материалы -кандидаты, а вторые фильтры и подтверждают их — чтобы убедиться, что они могут быть сделаны в реальном мире.

Конкретные желаемые свойства, которые могут быть включены через Mattergen, включают в себя конкретную симметрию или механические, электронные и магнитные свойства.

В отличие от традиционных методов, которые в основном зависят от интуиции (наряду с обширными и утомительными экспериментами), Mattergen может генерировать тысячи потенциальных материалов с определенными желаемыми свойствами в течение доли времени.

Этот подход, возглавляемый A, ускоряет начальные этапы дизайна материала. Это позволяет исследователям исследовать более широкий спектр возможностей и сосредоточиться на наиболее перспективных кандидатах.

Mattersim применяет строгий компьютерный анализ, чтобы предсказать стабильность и жизнеспособность этих предлагаемых материалов. Эта прогнозная способность помогает отфильтровать теоретические возможности от физически осуществимых. Это гарантирует, что только стабильные материалы движутся вперед в процессе обнаружения.

Новые инструменты в коробке

На данный момент мы могли бы задаться вопросом, как выглядит новый материал, идентифицированный в этом процессе? Mattersim в основном фокусируется на кристаллах или более уникальных кристаллических структурах с определенным расположением атомов.

Эти структуры адаптированы к точным ограничениям свойства, что делает их подходящими для различных приложений. К ним относятся батареи с высокой энергией, гибкая электроника, дисплеи, солнечные батареи или передовые медицинские имплантаты.

Мощный дуэт Microsoft, однако, не одинок в его поисках. Графические сети Google DeepMind для разведки материалов (GNOME) — еще один инструмент, обещающий значительно ускорить процесс обнаружения. GNOME использует форму искусственного интеллекта, вдохновленную человеческим мозгом, называемым глубоким обучением. Он предсказывает стабильность новых материалов, значительно сокращая этап разведки и обнаружения.

В статье, опубликованной в 2023 году, исследователи из Google DeepMind продемонстрировали, что их модель ИИ может выявить 2,2 миллиона новых стабильных материалов. Примерно 736 из них уже экспериментально реализованы. Это десятикратное увеличение по сравнению с предыдущими методами. Эти материалы, многие из которых ранее были неизвестны человеческим химикам, имеют потенциальные применения в области чистой энергии, электроники и многого другого.

Даже если Google Gnome и Microsoft Mattergen основаны на ИИ, они различаются по своим подходам и, в некотором смысле, предоставляют дополнительные методологии. GNOME предсказывает стабильность новых материалов, создавая вариации существующих структур, и фокусируется на идентификации стабильных кристаллических материалов.

Mattergen, с другой стороны, использует генеративную модель искусственного интеллекта для непосредственного разработки новых материалов на основе конкретных требований к проектированию. Он создает материальные структуры, изменяя элементы, позиции и периодические решетки (повторяющаяся структура в трех измерениях).

Последствия открытия материала, управляемого ИИ, обширны. Они могут потенциально привести к инновациям в таких областях, как хранение энергии и экологическая устойчивость. Одним из наиболее перспективных применений является, например, разработка новых батарей.

Поскольку мир переходит к возобновляемым источникам энергии, спрос на эффективные, длительные батареи вырос и продолжит это делать. Инструменты искусственного интеллекта могут помочь исследователям разрабатывать и выявить новые материалы, способные поддерживать более высокую плотность энергии, более быстрое время зарядки и более длительный срок службы.

Помимо хранения энергии, новые материалы могут использоваться для разработки новых медицинских устройств, имплантатов и даже систем доставки лекарств. Это может улучшить результаты пациента и продвигать медицинские лечения.

В аэрокосмической промышленности, легкие, долговечные материалы могут повысить производительность и безопасность самолетов и космических кораблей. Между тем, новые материалы для очистки воды, улавливания углерода и управления отходами могут решать насущные экологические проблемы.

Эта статья переиздана из разговора по лицензии Creative Commons. Прочитайте оригинальную статью.