Un sistem autonom, adică un sistem care funcționează fără intervenție umană externă și combină robotica și inteligența artificială (AI) pentru a crea materiale complet noi, a făcut primele descoperiri. A-Lab dezvoltă rețete pentru materiale care pot, printre altele: să găsească utilizare în baterii sau celule solare. Apoi colectează și analizează independent produsele.

Face acest lucru pe baza, printre altele: pe datele obținute datorită instrumentelor Google DeepMind. Antrenează-te pe baze de date uriașe Algoritmii de învățare automată au prezis existența a sute de mii de substanțe stabile. Prin urmare, au prezentat câțiva candidați pe care A-Lab îi poate urmări în viitor.

Cu toate acestea, nu toți oamenii de știință sunt convinși că acest lucru este cu adevărat posibil. Au fost voci critice.

Ce poate realiza această cooperare? În primul rând, poate Accelerează dramatic descoperirea materialelor necesare dezvoltării următoarei generații de tehnologii verzi. Vorbim despre electronică, energie și multe alte domenii care s-au dezvoltat rapid în ultimele decenii. Cu toate acestea, au făcut acest lucru, provocând și o degradare semnificativă a mediului.

„Multe tehnologii din jurul nostru, inclusiv bateriile și celulele solare, pot fi deja îmbunătățite folosind materiale noi”, spune Ekin Dogus Coppock. El este un om de știință care conduce echipa de descoperire a materialelor de la Google DeepMind din Londra.

Dar pentru a-l obține este doar o persoană Foarte obositor și consumator de timp. De-a lungul secolelor de muncă de laborator, chimiștii au sintetizat câteva sute de mii de compuși anorganici, adică substanțe care nu se bazează pe lanțuri de atomi de carbon. Cu toate acestea, cercetările sugerează că pot exista miliarde de acești compuși.

Unele proiecte au încercat să scurteze procesul necesar pentru producerea de noi materiale în laborator. Aceste eforturi au totalizat aproximativ 48.000 USD. Compuși stabili. Deși acest număr este impresionant, este departe de ceea ce se aștepta Google DeepMind.

Google a achiziționat startup-ul englez în urmă cu câțiva ani Un sistem de inteligență artificială numit Graph Networks for Materials Exploration (GNoME). A fost instruit pe datele colectate, printre altele, din: Materiale de proiect și baze de date similare. Gnome a modificat apoi compoziția substanțelor cunoscute pentru a obține 2,2 milioane de compuși chimici posibili. După calcularea dacă aceste materiale ar fi stabile și prezicerea structurii lor cristaline, Sistemul a produs un număr final de 381 000. Compuși anorganici noi. Acestea au fost adăugate la baza de date Materiale de proiect.

Cum prezice GNOME atât de multe materiale noi în comparație cu sistemele AI anterioare care au încercat această sarcină? Utilizează mai multe strategii în acest scop. De exemplu, în loc să înlocuiască toți ionii de calciu dintr-o substanță cu magneziu, ar putea înlocui doar jumătate dintre aceștia. Sau încercați o gamă mai largă de schimburi de atom neobișnuite.

Este în regulă dacă aceste remedieri nu funcționează. Sistemul elimină orice este instabil și învață din greșelile sale. „Este ca ChatGPT pentru descoperirea materialelor”, spune Carla Gomez, co-director al Institutului de Inteligență Artificială pentru Știință de la Universitatea Cornell din Ithaca, New York, despre GNoME.

Un lucru este să prezici posibilitatea ca ceva să se întâmple. Destul de diferit – producția reală a unui anumit compus în laborator. Aici intervine A-Lab.

A-Lab folosește robotică de ultimă generație pentru a amesteca și încălzi ingredientele solide sub formă de pulbere. Apoi analizează produsulPentru a verifica dacă procedura a avut succes. Construcția instalației a durat 18 luni la un cost de 2 milioane de dolari. Cu toate acestea, cea mai mare provocare a fost utilizarea inteligenței artificiale pentru a face sistemul cu adevărat autonom. Da, așa că poate Planificați în mod independent experimentele, interpretați datele și luați decizii cu privire la modul de îmbunătățire a sintezei.

„Acum avem capacitatea de a produce rapid aceste noi materiale pe care le inventăm computațional”, spune Gerbrand Seder, om de știință în materiale la Lawrence Berkeley National Laboratory (LBNL) și la Universitatea din California, Berkeley. A fost liderul echipei A-Lab.

Analizând peste 30.000 de proceduri de sinteză publicate, A-Lab poate evalua cât de asemănătoare este fiecare țintă cu materialele existente. El a sugerat, de asemenea, ingredientele și temperaturile de reacție necesare pentru producerea acestuia. Sistemul selectează apoi componentele din rack, asamblează și analizează produsul. Dacă, după mai multe încercări, mai puțin de jumătate din produs este materialul țintă, algoritmul de „învățare activă” dezvoltă o procedură mai bună. Apoi robotul începe să lucreze din nou.

A-Lab a avut nevoie de 17 zile pentru a produce 41 de materiale anorganice noi. Doar nouă dintre ele au fost generate după ce sinteza a fost îmbunătățită prin învățare activă.

Sisteme precum GNOME pot produce mult mai multe predicții computaționale decât poate face un laborator independent. Pentru a accelera puțin procesul, va fi necesar să se calculeze mai precis proprietățile chimice și fizice ale noilor materiale. Dar acest lucru se poate întâmpla mai devreme decât credem.

Cu toate acestea, după ce rezultatele GNoME și A-Lab au fost publicate, au apărut voci critice. „Această publicație ar trebui retrasă”, spune Robert Palgrave, chimist la University College London. În opinia sa, nu s-a dovedit că au fost create materiale noi în acest fel. – Nu cred că toată munca este pierdută. Cu toate acestea, analiza materialului este nereușită. Fuller, confirmă Leslie Shoup, un chimist de la Universitatea Princeton.

Alți cercetători subliniază că rezultatele obținute folosind inteligența artificială trebuie să îndeplinească aceleași standarde înalte în știință ca și cele oferite de oameni. În special, mecanismul de funcționare autonom al sistemului necesită îmbunătățiri.

sursă: Nature.com [1] Și [2].