هوش مصنوعی Google DeepMind به تازگی 380,000 ماده جدید کشف کرده است. این ربات در حال پختن آنهاست.

یک ربات شیمیدان به تازگی با یک مغز هوش مصنوعی همکاری کرد تا گنجینه ای از مواد جدید ایجاد کند.

دو مطالعه مشترک از Google DeepMind و دانشگاه کالیفرنیا، برکلی، سیستمی را توصیف می‌کنند که خواص مواد جدید را پیش‌بینی می‌کند - از جمله موارد بالقوه مفید در باتری‌ها و سلول های خورشیدی-و آنها را با a تولید می کند بازوی رباتیک.

ما مواد روزمره را بدیهی می دانیم: فنجان های پلاستیکی برای جشن تعطیلات، اجزای موجود در تلفن های هوشمند یا الیاف مصنوعی در کت ها که هنگام وزش باد سرد ما را گرم نگه می دارند.

دانشمندان با زحمت تقریباً 20,000 نوع مختلف مواد را کشف کرده اند که به ما امکان می دهد هر چیزی را از آن بسازیم. تراشه های رایانه ای به کت های پف کرده و بال های هواپیما. ده ها هزار ماده بالقوه مفید دیگر در دست کار هستند. با این حال ما فقط سطح را خراشیده ایم.

تیم برکلی یک ربات سرآشپز ابداع کرد که مواد را مخلوط و حرارت می دهد و دستور پخت را به طور خودکار به مواد تبدیل می کند. این سیستم که A-Lab نامیده می شود، به عنوان یک "آزمایش طعم"، خواص شیمیایی هر محصول نهایی را تجزیه و تحلیل می کند تا ببیند آیا به علامت برخورد می کند یا خیر.

در همین حال، هوش مصنوعی DeepMind رویای آشپزی بی شماری را برای آشپز A-Lab دیدم. این یک لیست سنگین است. با استفاده از یک استراتژی یادگیری ماشینی محبوب، هوش مصنوعی پیدا کرد دو میلیون ساختار شیمیایی و 380,000 ماده جدید پایدار که بسیاری از آنها با شهود انسان مخالف هستند. این کار یک بسط "مرتب از قدر" بر روی موادی است که ما در حال حاضر، نویسندگان، می شناسیم. نوشت.

با استفاده از کتاب آشپزی DeepMind، A-Lab به مدت 17 روز اجرا کرد و 41 مورد از 58 ماده شیمیایی مورد نظر را سنتز کرد - موفقیتی که آزمایش‌های سنتی ماه‌ها، شاید سال‌ها طول می‌کشید.

با هم، این همکاری می تواند عصر جدیدی از علم مواد را آغاز کند. "بسیار چشمگیر است" گفت: دکتر اندرو روزن در دانشگاه پرینستون که در کار نبود.

بیایید مواد شیمیایی صحبت کنیم

به اطرافت نگاه کن بسیاری از چیزهایی که ما بدیهی می دانیم - صفحه نمایش تلفن هوشمندی که ممکن است روی آن پیمایش کنید - بر اساس شیمی مواد است.

دانشمندان مدت‌هاست که از آزمون و خطا برای کشف ساختارهای شیمیایی پایدار استفاده می‌کنند. مانند بلوک های لگو، این اجزا را می توان در مواد پیچیده ای ساخت که در برابر تغییرات شدید دما یا فشارهای بالا مقاومت می کنند و به ما امکان می دهند جهان را از اعماق دریا تا فضای بیرونی کشف کنیم.

پس از نقشه برداری، دانشمندان ساختارهای کریستالی این اجزا را ضبط کرده و آن ساختارها را برای مرجع ذخیره می کنند. ده ها هزار در حال حاضر به بانک های داده سپرده شده است.

در مطالعه جدید، DeepMind از این ساختارهای کریستالی شناخته شده استفاده کرد. این تیم یک سیستم هوش مصنوعی را در یک کتابخانه عظیم با صدها هزار ماده به نام the آموزش داد پروژه مواد. این کتابخانه شامل موادی است که قبلاً با آنها آشنا بوده ایم و از آنها استفاده می کنیم، در کنار هزاران ساختار با خواص ناشناخته اما بالقوه مفید.

هوش مصنوعی جدید DeepMind بر روی 20,000 کریستال معدنی شناخته شده - و 28,000 نامزد امیدوارکننده دیگر - از پروژه مواد آموزش دید تا بفهمد چه ویژگی هایی یک ماده را مطلوب می کند.

اساساً، هوش مصنوعی مانند دستور العمل‌های آزمایش آشپز عمل می‌کند: چیزی کوچک در اینجا اضافه کنید، برخی از مواد را در آنجا تغییر دهید، و از طریق آزمون و خطا، به نتایج دلخواه می‌رسد. داده‌های Fed از مجموعه داده‌ها، پیش‌بینی‌هایی را برای مواد شیمیایی جدید بالقوه پایدار، همراه با خواص آنها ایجاد کرد. نتایج به هوش مصنوعی بازگردانده شد تا "دستور العمل های" آن را بیشتر تقویت کند.

در بسیاری از راندها، آموزش به هوش مصنوعی اجازه داد تا اشتباهات کوچکی مرتکب شود. هوش مصنوعی به جای تعویض چندین ساختار شیمیایی به طور همزمان - یک حرکت بالقوه فاجعه بار - تغییرات شیمیایی کوچک را به طور مکرر ارزیابی کرد. به عنوان مثال، به جای جایگزینی یک جزء شیمیایی با دیگری، می تواند سعی کند فقط نیمی از آن را جایگزین کند. اگر مبادله ها کار نمی کرد، مشکلی نیست، سیستم هر نامزدی را که پایدار نبود، حذف کرد.

هوش مصنوعی در نهایت 2.2 میلیون ساختار شیمیایی تولید کرد که 380,000 مورد از آنها را پیش‌بینی کرد در صورت سنتز پایدار خواهند بود. بیش از 500 مورد از مواد تازه یافت شده مربوط به رسانای لیتیوم یونی بود که نقش مهمی در باتری های امروزی بازی می کند.

"این مانند ChatGPT برای کشف مواد است." گفت: دکتر کارلا گومز در دانشگاه کرنل که در این تحقیق شرکت نداشت.

ذهن به ماده

پیش‌بینی‌های هوش مصنوعی DeepMind دقیقاً این است: چیزی که روی کاغذ خوب به نظر می‌رسد ممکن است همیشه کارساز نباشد.

اینجاست که A-Lab وارد می‌شود. تیمی به رهبری دکتر گربراند سدر در دانشگاه کالیفرنیا برکلی و آزمایشگاه ملی لارنس برکلی یک سیستم روباتیک خودکار ساخته‌اند که توسط یک هوش مصنوعی آموزش دیده بر روی بیش از 30,000 دستور العمل شیمیایی منتشر شده است. A-Lab با استفاده از بازوهای رباتیک، مواد جدیدی را با چیدن، مخلوط کردن و گرم کردن مواد بر اساس دستور العمل می‌سازد.

در طی دو هفته آموزش، A-Lab مجموعه ای از دستور العمل ها را برای 41 ماده جدید بدون هیچ گونه مشارکت انسانی تولید کرد. این یک موفقیت کامل نبود: 17 ماده نتوانستند علامت خود را برآورده کنند. با این حال، ربات با دخالت انسان، این مواد را بدون هیچ مشکلی سنتز کرد.

این دو مطالعه با هم، دنیایی از ترکیبات جدید را باز می کنند که ممکن است با چالش های جهانی امروزی مقابله کند. مراحل بعدی شامل افزودن خواص شیمیایی و فیزیکی به الگوریتم برای بهبود بیشتر درک آن از دنیای فیزیکی و سنتز مواد بیشتر برای آزمایش است.

DeepMind هوش مصنوعی خود و برخی از دستور العمل های شیمیایی آن را برای عموم منتشر می کند. در همین حال، A-Lab دستور العمل ها را از پایگاه داده اجرا می کند و نتایج آنها را در پروژه مواد بارگذاری می کند.

از نظر سدر، نقشه ای از مواد جدید تولید شده توسط هوش مصنوعی می تواند جهان را تغییر دهد. خودش A-lab نیست، او گفت:. بلکه «دانش و اطلاعاتی است که تولید می‌کند».

اعتبار تصویر: مرلین سارجنت/آزمایشگاه برکلی

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://singularityhub.com/2023/11/30/a-google-deepmind-ai-just-discovered-380000-new-materials-this-robot-is-cooking-them-up/