AI DeepMind của Google vừa phát hiện ra 380,000 vật liệu mới Robot này đang nấu chúng.

Được xuất bản lại bởi Plato

Người theo dõi: 0

AI DeepMind của Google vừa phát hiện ra 380,000 vật liệu mới Robot này đang nấu chúng. Thông tin dữ liệu PlatoBlockchain. Tìm kiếm dọc. Ái.

Một nhà hóa học robot vừa hợp tác với bộ não AI để tạo ra một kho vật liệu mới.

Hai nghiên cứu hợp tác từ Google DeepMind và Đại học California, Berkeley, mô tả một hệ thống dự đoán các đặc tính của vật liệu mới—bao gồm cả những vật liệu có khả năng hữu ích trong pin và pin mặt trời—và tạo ra chúng với một Cánh tay robot.

Chúng ta coi những vật liệu hàng ngày là điều hiển nhiên: cốc nhựa cho bữa tiệc ngày lễ, linh kiện trong điện thoại thông minh hoặc sợi tổng hợp trong áo khoác giúp giữ ấm khi gió lạnh ập đến.

Các nhà khoa học đã miệt mài khám phá khoảng 20,000 loại vật liệu khác nhau cho phép chúng ta chế tạo bất cứ thứ gì từ chip máy tính đến những chiếc áo khoác phồng và cánh máy bay. Hàng chục nghìn vật liệu có khả năng hữu ích khác đang được phát triển. Tuy nhiên, chúng tôi chỉ mới trầy xước bề mặt.

Đội Berkeley đã phát triển một robot giống đầu bếp có khả năng trộn và làm nóng các nguyên liệu, tự động biến công thức nấu ăn thành nguyên liệu. Là một “thử nghiệm hương vị”, hệ thống, được đặt tên là A-Lab, phân tích các đặc tính hóa học của từng sản phẩm cuối cùng để xem liệu nó có đạt tiêu chuẩn hay không.

Trong khi đó, AI của DeepMind nghĩ ra vô số công thức nấu ăn để đầu bếp A-Lab nấu ăn. Đó là một danh sách khổng lồ. Sử dụng chiến lược học máy phổ biến, AI được tìm thấy hai triệu cấu trúc hóa học và 380,000 vật liệu ổn định mới—nhiều thứ đi ngược lại với trực giác của con người. Tác phẩm này là sự mở rộng “có quy mô” trên các tài liệu mà chúng ta hiện biết, các tác giả đã viết.

Bằng cách sử dụng sách dạy nấu ăn của DeepMind, A-Lab đã hoạt động trong 17 ngày và tổng hợp được 41 trên 58 hóa chất mục tiêu—một chiến thắng mà lẽ ra phải mất hàng tháng, nếu không muốn nói là hàng năm, so với các thí nghiệm truyền thống.

Cùng nhau, sự hợp tác có thể khởi đầu một kỷ nguyên mới của khoa học vật liệu. “Nó rất ấn tượng,” nói Tiến sĩ Andrew Rosen tại Đại học Princeton, người không tham gia vào công việc này.

Hãy nói về hóa chất

Nhìn xung quanh bạn. Nhiều thứ chúng ta coi là hiển nhiên—màn hình điện thoại thông minh mà bạn có thể đang lướt qua—dựa trên tính chất hóa học của vật liệu.

Các nhà khoa học từ lâu đã sử dụng phương pháp thử và sai để khám phá các cấu trúc ổn định về mặt hóa học. Giống như các khối Lego, những thành phần này có thể được chế tạo thành những vật liệu phức tạp có khả năng chống lại sự thay đổi nhiệt độ hoặc áp suất cao đáng kể, cho phép chúng ta khám phá thế giới từ biển sâu đến không gian vũ trụ.

Sau khi lập bản đồ, các nhà khoa học nắm bắt cấu trúc tinh thể của các thành phần này và lưu các cấu trúc đó để tham khảo. Hàng chục ngàn đã được gửi vào ngân hàng dữ liệu.

Trong nghiên cứu mới, DeepMind đã tận dụng những cấu trúc tinh thể đã biết này. Nhóm đã đào tạo một hệ thống AI trên một thư viện đồ sộ với hàng trăm nghìn tài liệu được gọi là Dự án vật liệu. Thư viện bao gồm các tài liệu mà chúng ta đã quen thuộc và sử dụng, cùng với hàng nghìn cấu trúc có những đặc tính chưa biết nhưng có khả năng hữu ích.

AI mới của DeepMind đã đào tạo trên 20,000 tinh thể vô cơ đã biết—và 28,000 ứng viên đầy hứa hẹn khác—từ Dự án Vật liệu để tìm hiểu những đặc tính nào khiến vật liệu trở nên hấp dẫn.

Về cơ bản, AI hoạt động giống như một công thức nấu ăn thử nghiệm: Thêm một chút thứ gì đó vào đây, thay đổi một số thành phần ở đó và thông qua thử và sai, nó sẽ đạt được kết quả mong muốn. Dữ liệu của Fed từ tập dữ liệu này đã tạo ra các dự đoán về các hóa chất mới có khả năng ổn định cùng với các đặc tính của chúng. Các kết quả được đưa trở lại AI để trau dồi thêm “công thức nấu ăn” của nó.

Qua nhiều vòng, quá trình huấn luyện đã khiến AI mắc phải những lỗi nhỏ. Thay vì hoán đổi nhiều cấu trúc hóa học cùng lúc – một động thái có thể gây ra thảm họa – AI đã đánh giá lặp đi lặp lại những thay đổi hóa học nhỏ. Ví dụ, thay vì thay thế một thành phần hóa học này bằng một thành phần hóa học khác, nó có thể cố gắng chỉ thay thế một nửa. Nếu việc hoán đổi không hiệu quả, không có vấn đề gì, hệ thống sẽ loại bỏ bất kỳ ứng viên nào không ổn định.

AI cuối cùng đã tạo ra 2.2 triệu cấu trúc hóa học, 380,000 trong số đó được dự đoán sẽ ổn định nếu được tổng hợp. Hơn 500 vật liệu mới được tìm thấy có liên quan đến chất dẫn điện lithium-ion, chất đóng vai trò quan trọng trong pin ngày nay.

“Điều này giống như ChatGPT để khám phá tài liệu,” nói Tiến sĩ Carla Gomes tại Đại học Cornell, người không tham gia nghiên cứu.

Tâm trí đến vấn đề

Dự đoán AI của DeepMind chỉ là: Những gì có vẻ tốt trên giấy tờ có thể không phải lúc nào cũng thành công.

Đây là nơi A-Lab xuất hiện. Một nhóm do Tiến sĩ Gerbrand Ceder tại UC Berkeley và Phòng thí nghiệm quốc gia Lawrence Berkeley dẫn đầu đã xây dựng một hệ thống robot tự động được chỉ đạo bởi một AI được đào tạo về hơn 30,000 công thức hóa học đã xuất bản. Sử dụng cánh tay robot, A-Lab chế tạo vật liệu mới bằng cách chọn, trộn và đun nóng nguyên liệu theo công thức.

Hơn hai tuần đào tạo, A-Lab đã tạo ra một chuỗi công thức chế tạo 41 nguyên liệu mới mà không cần sự can thiệp của con người. Đó không phải là một thành công hoàn toàn: 17 vật liệu không đạt được mục tiêu. Tuy nhiên, với sự can thiệp của con người, robot đã tổng hợp được những vật liệu này mà không gặp trở ngại nào.

Cùng với nhau, hai nghiên cứu này mở ra một loạt các hợp chất mới có thể đáp ứng những thách thức toàn cầu ngày nay. Các bước tiếp theo bao gồm thêm các đặc tính hóa học và vật lý vào thuật toán để nâng cao hơn nữa sự hiểu biết của nó về thế giới vật lý và tổng hợp nhiều vật liệu hơn để thử nghiệm.

DeepMind đang phát hành AI của họ và một số công thức hóa học của nó ra công chúng. Trong khi đó, A-Lab đang chạy các công thức nấu ăn từ cơ sở dữ liệu và tải kết quả của họ lên Dự án Vật liệu.

Đối với Ceder, bản đồ vật liệu mới do AI tạo ra có thể “thay đổi thế giới”. Bản thân nó không phải là A-lab, anh ấy nói. Đúng hơn, đó là “kiến thức và thông tin mà nó tạo ra”.

Tín dụng hình ảnh: Phòng thí nghiệm Marilyn Sargent / Berkeley