Ένα Google DeepMind AI μόλις ανακάλυψε 380,000 νέα υλικά. Αυτό το ρομπότ τα μαγειρεύει.

Ένα Google DeepMind AI μόλις ανακάλυψε 380,000 νέα υλικά. Αυτό το ρομπότ τα μαγειρεύει.

Χρονική σήμανση: 30 Νοεμβρίου 2023 5:40 μ.μ.
Ένα Google DeepMind AI μόλις ανακάλυψε 380,000 νέα υλικά. Αυτό το ρομπότ τα μαγειρεύει. Ευφυΐα Δεδομένων PlatoBlockchain. Κάθετη αναζήτηση. Ολα συμπεριλαμβάνονται.

Ένας χημικός ρομπότ μόλις συνεργάστηκε με έναν εγκέφαλο τεχνητής νοημοσύνης για να δημιουργήσει ένα πλήθος νέων υλικών.

Δύο συλλογικές μελέτες από το Google DeepMind και το Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϋ, περιγράφουν ένα σύστημα που προβλέπει τις ιδιότητες νέων υλικών, συμπεριλαμβανομένων εκείνων που είναι δυνητικά χρήσιμα σε μπαταρίες και ηλιακά κύτταρα—και τα παράγει με α ρομποτικό βραχίονα.

Θεωρούμε δεδομένα καθημερινής χρήσης: πλαστικά ποτήρια για μια γιορτή, εξαρτήματα στα smartphone μας ή συνθετικές ίνες σε μπουφάν που μας κρατούν ζεστούς όταν χτυπούν ψυχρός άνεμος.

Οι επιστήμονες ανακάλυψαν με κόπο περίπου 20,000 διαφορετικούς τύπους υλικών που μας επιτρέπουν να κατασκευάσουμε οτιδήποτε τσιπ υπολογιστή στα φουσκωμένα παλτό και τα φτερά του αεροπλάνου. Δεκάδες χιλιάδες ακόμη δυνητικά χρήσιμα υλικά βρίσκονται στα σκαριά. Ωστόσο, έχουμε ξύσει μόνο την επιφάνεια.

Η ομάδα του Μπέρκλεϊ ανέπτυξε ένα ρομπότ που μοιάζει με σεφ που αναμειγνύει και θερμαίνει υλικά, μετατρέποντας αυτόματα τις συνταγές σε υλικά. Ως «γευστικό τεστ», το σύστημα, που ονομάστηκε A-Lab, αναλύει τις χημικές ιδιότητες κάθε τελικού προϊόντος για να δει αν χτυπάει στο σημάδι.

Εν τω μεταξύ, AI του DeepMind ονειρευόταν μυριάδες συνταγές για να μαγειρέψει ο σεφ της A-Lab. Είναι μια βαριά λίστα. Χρησιμοποιώντας μια δημοφιλή στρατηγική μηχανικής μάθησης, βρήκε το AI δύο εκατομμύρια χημικές δομές και 380,000 νέα σταθερά υλικά — πολλά αντίθετα στην ανθρώπινη διαίσθηση. Το έργο είναι μια επέκταση «τάξης μεγέθους» στα υλικά που γνωρίζουμε επί του παρόντος, οι συγγραφείς Έγραψε.

Χρησιμοποιώντας το βιβλίο μαγειρικής του DeepMind, το A-Lab έτρεξε για 17 ημέρες και συνέθεσε 41 από τις 58 χημικές ουσίες-στόχους - μια νίκη που θα χρειαζόταν μήνες, αν όχι χρόνια, παραδοσιακών πειραμάτων.

Μαζί, η συνεργασία θα μπορούσε να ξεκινήσει μια νέα εποχή στην επιστήμη των υλικών. “Είναι πολύ εντυπωσιακό” είπε Ο Δρ Andrew Rosen στο Πανεπιστήμιο του Πρίνστον, ο οποίος δεν συμμετείχε στην εργασία.

Ας μιλήσουμε για τα χημικά

Κοίτα γύρω σου. Πολλά πράγματα που θεωρούμε δεδομένα—αυτή η οθόνη smartphone στην οποία μπορεί να κάνετε κύλιση—βασίζονται στη χημεία των υλικών.

Οι επιστήμονες χρησιμοποιούν εδώ και καιρό τη δοκιμή και το λάθος για να ανακαλύψουν χημικά σταθερές δομές. Όπως τα μπλοκ Lego, αυτά τα εξαρτήματα μπορούν να ενσωματωθούν σε πολύπλοκα υλικά που αντιστέκονται σε δραματικές αλλαγές θερμοκρασίας ή υψηλές πιέσεις, επιτρέποντάς μας να εξερευνήσουμε τον κόσμο από τη βαθιά θάλασσα μέχρι το διάστημα.

Μόλις χαρτογραφηθούν, οι επιστήμονες καταγράφουν τις κρυσταλλικές δομές αυτών των συστατικών και αποθηκεύουν αυτές τις δομές για αναφορά. Δεκάδες χιλιάδες έχουν ήδη κατατεθεί σε τράπεζες δεδομένων.

Στη νέα μελέτη, η DeepMind εκμεταλλεύτηκε αυτές τις γνωστές κρυσταλλικές δομές. Η ομάδα εκπαίδευσε ένα σύστημα AI σε μια τεράστια βιβλιοθήκη με εκατοντάδες χιλιάδες υλικά που ονομάζεται the Έργο Υλικών. Η βιβλιοθήκη περιλαμβάνει υλικά που είμαστε ήδη εξοικειωμένοι και χρησιμοποιούμε, μαζί με χιλιάδες δομές με άγνωστες αλλά δυνητικά χρήσιμες ιδιότητες.

Το νέο AI της DeepMind εκπαιδεύτηκε σε 20,000 γνωστούς ανόργανους κρυστάλλους —και άλλους 28,000 υποσχόμενους υποψηφίους— από το Materials Project για να μάθει ποιες ιδιότητες κάνουν ένα υλικό επιθυμητό.

Ουσιαστικά, το AI λειτουργεί σαν μάγειρας που δοκιμάζει συνταγές: Προσθέστε λίγο κάτι εδώ, αλλάξτε μερικά συστατικά εκεί και μέσω δοκιμής και λάθους, φτάνει στα επιθυμητά αποτελέσματα. Τροφοδοτώντας δεδομένα από το σύνολο δεδομένων, δημιούργησε προβλέψεις για δυνητικά σταθερές νέες χημικές ουσίες, μαζί με τις ιδιότητές τους. Τα αποτελέσματα επανατροφοδοτήθηκαν στο AI για να βελτιώσουν περαιτέρω τις «συνταγές» του.

Σε πολλούς γύρους, η εκπαίδευση επέτρεψε στο AI να κάνει μικρά λάθη. Αντί να ανταλλάσσει πολλαπλές χημικές δομές ταυτόχρονα - μια δυνητικά καταστροφική κίνηση - το AI αξιολόγησε επαναληπτικά μικρές χημικές αλλαγές. Για παράδειγμα, αντί να αντικαταστήσει ένα χημικό συστατικό με ένα άλλο, θα μπορούσε να προσπαθήσει να αντικαταστήσει μόνο το μισό. Εάν οι ανταλλαγές δεν δούλεψαν, δεν υπάρχει πρόβλημα, το σύστημα εξαλείφει όλους τους υποψηφίους που δεν ήταν σταθεροί.

Η τεχνητή νοημοσύνη τελικά παρήγαγε 2.2 εκατομμύρια χημικές δομές, 380,000 από τις οποίες προέβλεψε ότι θα ήταν σταθερές εάν συντεθούν. Πάνω από 500 από τα υλικά που ανακαλύφθηκαν πρόσφατα σχετίζονταν με αγωγούς ιόντων λιθίου, που παίζουν κρίσιμο ρόλο στις σημερινές μπαταρίες.

"Αυτό είναι σαν το ChatGPT για την ανακάλυψη υλικών," είπε Η Δρ Carla Gomes στο Πανεπιστήμιο Cornell, η οποία δεν συμμετείχε στην έρευνα.

Το μυαλό στην ύλη

Οι προβλέψεις της DeepMind για την τεχνητή νοημοσύνη είναι ακριβώς αυτό: Αυτό που φαίνεται καλό στο χαρτί μπορεί να μην λειτουργεί πάντα.

Εδώ μπαίνει το A-Lab. Μια ομάδα με επικεφαλής τον Δρ. Gerbrand Ceder στο UC Berkeley και το Lawrence Berkeley National Laboratory κατασκεύασε ένα αυτοματοποιημένο ρομποτικό σύστημα που κατευθύνεται από μια τεχνητή νοημοσύνη εκπαιδευμένη σε περισσότερες από 30,000 δημοσιευμένες χημικές συνταγές. Χρησιμοποιώντας ρομποτικούς βραχίονες, η A-Lab κατασκευάζει νέα υλικά μαζεύοντας, αναμειγνύοντας και θερμαίνοντας συστατικά σύμφωνα με μια συνταγή.

Σε διάστημα δύο εβδομάδων εκπαίδευσης, η A-Lab παρήγαγε μια σειρά από συνταγές για 41 νέα υλικά χωρίς ανθρώπινη συνεισφορά. Δεν ήταν απόλυτη επιτυχία: 17 υλικά απέτυχαν να ανταποκριθούν στο στίγμα τους. Ωστόσο, με μια μικρή ανθρώπινη παρέμβαση, το ρομπότ συνέθεσε αυτά τα υλικά χωρίς προβλήματα.

Μαζί, οι δύο μελέτες ανοίγουν ένα σύμπαν νέων ενώσεων που θα μπορούσαν να ανταποκριθούν στις σημερινές παγκόσμιες προκλήσεις. Τα επόμενα βήματα περιλαμβάνουν την προσθήκη χημικών και φυσικών ιδιοτήτων στον αλγόριθμο για να βελτιώσει περαιτέρω την κατανόησή του για τον φυσικό κόσμο και τη σύνθεση περισσότερων υλικών για δοκιμή.

Η DeepMind κυκλοφορεί το AI και μερικές από τις χημικές συνταγές της στο κοινό. Εν τω μεταξύ, η A-Lab εκτελεί συνταγές από τη βάση δεδομένων και ανεβάζει τα αποτελέσματά τους στο Materials Project.

Για τον Ceder, ένας χάρτης νέων υλικών που δημιουργήθηκε από την τεχνητή νοημοσύνη θα μπορούσε να «αλλάξει τον κόσμο». Δεν είναι το ίδιο το A-lab, αυτός είπε. Αντίθετα, είναι «η γνώση και οι πληροφορίες που παράγει».

Πίστωση εικόνας: Marilyn Sargent/Berkeley Lab

Σφραγίδα ώρας:

Περισσότερα από Κέντρο μοναδικότητας