Een Google DeepMind AI heeft zojuist 380,000 nieuwe materialen ontdekt. Deze robot kookt ze.

Een robotchemicus heeft zojuist samengewerkt met een AI-brein om een ​​schat aan nieuwe materialen te creëren.

Twee gezamenlijke onderzoeken van Google DeepMind en de University of California, Berkeley beschrijven een systeem dat de eigenschappen van nieuwe materialen voorspelt, inclusief materialen die mogelijk bruikbaar zijn in batterijen en zonnepanelen—en produceert ze met een robotarm.

We beschouwen alledaagse materialen als vanzelfsprekend: plastic bekers voor een feestmaal, onderdelen in onze smartphones of synthetische vezels in jassen die ons warm houden als er koude wind toeslaat.

Wetenschappers hebben nauwgezet ongeveer 20,000 verschillende soorten materialen ontdekt waarmee we iets kunnen bouwen computer chips tot gezwollen jassen en vliegtuigvleugels. Tienduizenden potentieel bruikbare materialen zijn in de maak. Toch hebben we nog maar het oppervlak bekrast.

Het Berkeley-team ontwikkelde een chef-kokachtige robot die ingrediënten mengt en verwarmt, waardoor recepten automatisch in materialen worden omgezet. Als ‘smaaktest’ analyseert het systeem, het A-Lab genoemd, de chemische eigenschappen van elk eindproduct om te zien of het aan de verwachtingen voldoet.

Ondertussen De AI van DeepMind bedacht talloze recepten voor de chef-kok van A-Lab om te koken. Het is een flinke lijst. Met behulp van een populaire machine learning-strategie, de AI gevonden twee miljoen chemische structuren en 380,000 nieuwe stabiele materialen – waarvan er vele in strijd zijn met de menselijke intuïtie. Het werk is een uitbreiding van de orde van grootte op de materialen die we momenteel kennen, de auteurs schreef.

Met behulp van het kookboek van DeepMind heeft A-Lab 17 dagen gelopen en 41 van de 58 doelchemicaliën gesynthetiseerd – een overwinning die maanden, zo niet jaren, van traditionele experimenten zou hebben gekost.

Samen zou de samenwerking een nieuw tijdperk van materiaalwetenschap kunnen inluiden. “Het is heel indrukwekkend”, zei Dr. Andrew Rosen van de Princeton Universiteit, die niet bij het werk betrokken was.

Laten we het over chemicaliën hebben

Kijk om je heen. Veel dingen die we als vanzelfsprekend beschouwen – dat smartphonescherm waar je misschien op scrolt – zijn gebaseerd op materiaalchemie.

Wetenschappers maken al lang gebruik van vallen en opstaan ​​om chemisch stabiele structuren te ontdekken. Net als Lego-blokken kunnen deze componenten worden ingebouwd in complexe materialen die bestand zijn tegen dramatische temperatuurveranderingen of hoge druk, waardoor we de wereld van diepzee tot de ruimte kunnen verkennen.

Eenmaal in kaart gebracht, leggen wetenschappers de kristalstructuren van deze componenten vast en bewaren deze structuren ter referentie. Tienduizenden zijn al in databanken opgeslagen.

In de nieuwe studie profiteerde DeepMind van deze bekende kristalstructuren. Het team trainde een AI-systeem op een enorme bibliotheek met honderdduizenden materialen, genaamd de Materialenproject. De bibliotheek bevat materialen die we al kennen en gebruiken, naast duizenden structuren met onbekende maar potentieel nuttige eigenschappen.

De nieuwe AI van DeepMind trainde op 20,000 bekende anorganische kristallen (en nog eens 28,000 veelbelovende kandidaten) van het Materials Project om te leren welke eigenschappen een materiaal wenselijk maken.

In wezen werkt de AI als een kok die recepten test: voeg hier iets toe, verander daar wat ingrediënten, en met vallen en opstaan ​​bereikt het de gewenste resultaten. Dankzij de gegevens uit de dataset werden er voorspellingen gegenereerd voor potentieel stabiele nieuwe chemicaliën, samen met hun eigenschappen. De resultaten werden teruggekoppeld naar de AI om de ‘recepten’ verder aan te scherpen.

Gedurende vele rondes zorgde de training ervoor dat de AI kleine fouten kon maken. In plaats van meerdere chemische structuren tegelijkertijd uit te wisselen – een potentieel catastrofale stap – evalueerde de AI iteratief kleine chemische veranderingen. In plaats van de ene chemische component door een andere te vervangen, zou het bijvoorbeeld kunnen proberen slechts de helft te vervangen. Als de swaps niet werkten, geen probleem, het systeem verwijderde alle kandidaten die niet stabiel waren.

De AI produceerde uiteindelijk 2.2 miljoen chemische structuren, waarvan er volgens de voorspellingen 380,000 stabiel zouden zijn als ze werden gesynthetiseerd. Meer dan 500 van de nieuw gevonden materialen hadden betrekking op lithium-iongeleiders, die een cruciale rol spelen in de huidige batterijen.

“Dit lijkt op ChatGPT voor het ontdekken van materialen,” zei Dr. Carla Gomes van Cornell University, die niet betrokken was bij het onderzoek.

Geest om er toe te doen

De AI-voorspellingen van DeepMind zijn precies dat: wat er op papier goed uitziet, werkt misschien niet altijd.

Hier komt A-Lab in beeld. Een team onder leiding van Dr. Gerbrand Ceder van UC Berkeley en het Lawrence Berkeley National Laboratory bouwde een geautomatiseerd robotsysteem aangestuurd door een AI die getraind was op basis van meer dan 30,000 gepubliceerde chemische recepten. Met behulp van robotarmen bouwt A-Lab nieuwe materialen door ingrediënten volgens een recept te plukken, te mengen en te verwarmen.

Gedurende twee weken training produceerde A-Lab een reeks recepten voor 41 nieuwe materialen, zonder enige menselijke inbreng. Het was geen totaal succes: 17 materialen voldeden niet aan hun doel. Met een vleugje menselijke tussenkomst synthetiseerde de robot deze materialen echter zonder problemen.

Samen openen de twee onderzoeken een universum van nieuwe verbindingen die de mondiale uitdagingen van vandaag zouden kunnen aangaan. Volgende stappen omvatten het toevoegen van chemische en fysische eigenschappen aan het algoritme om het begrip van de fysieke wereld verder te verbeteren en het synthetiseren van meer materialen voor testen.

DeepMind geeft zijn AI en enkele van zijn chemische recepten vrij aan het publiek. Ondertussen haalt A-Lab recepten uit de database en uploadt de resultaten ervan naar het Materials Project.

Volgens Ceder zou een door AI gegenereerde kaart van nieuwe materialen ‘de wereld kunnen veranderen’. Het is niet het A-lab zelf, hij zei. Het is eerder “de kennis en informatie die het genereert.”

Beeldcredits: Marilyn Sargent/Berkeley Lab

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://singularityhub.com/2023/11/30/a-google-deepmind-ai-just-discovered-380000-new-materials-this-robot-is-cooking-them-up/