Proiectarea materialelor funcționale cu proprietățile dorite este esențială în stimularea progreselor tehnologice în domenii precum stocarea energiei, materiale catalitice și captarea carbonului. Modelele AI generative accelerează proiectarea materialelor prin generarea directă de noi materiale având în vedere constrângerile de proprietate dorite, dar metodele actuale au o rată de succes scăzută în propunerea de cristale stabile sau pot satisface doar un set limitat de constrângeri de proprietăți.
Metodele tradiționale de a găsi materiale noi sunt un pic precum căutarea unui ac într-un car de fân. Oamenii de știință au fost nevoiți să se bazeze fie pe noroc orb, fie pe experimente plictisitoare, încercând nenumărate combinații și sperând că una dintre ele va avea ca rezultat un material stabil cu trăsăturile dorite. Dar datorită progreselor în inteligența artificială și învățarea automată, acest proces a fost gestionat în mare măsură de computere.
Microsoft Research a introdus un nou sistem AI puternic, care generează materiale noi cu proprietăți specifice dorite, accelerând potențial dezvoltarea de baterii mai bune, celule solare mai eficiente și alte tehnologii critice.
Sistemul, numit MatterGen, reprezintă o schimbare fundamentală în modul în care oamenii de știință descoperă noi materiale. În loc să analizeze milioane de compuși existenți – abordarea tradițională care poate dura ani de zile – MatterGen generează direct materiale noi pe baza caracteristicilor dorite, similar modului în care generatorii de imagini AI creează imagini din descrierile de text.
„Modelele generative oferă o nouă paradigmă pentru proiectarea materialelor prin generarea directă de materiale complet noi, având în vedere gama de proprietăți dorite”, a declarat Tian Xie, director principal de cercetare la Microsoft Research și autor principal al studiului publicat în Nature referitor la MatterGen. „Acesta reprezintă un progres major către crearea unui model generativ universal pentru proiectarea materialelor.”
MatterGen folosește un tip specializat de AI numit model de difuzie – similar cu cei din spatele generatoarelor de imagini precum DALL-E – dar adaptat pentru a lucra cu structuri cristaline tridimensionale. Ea rafinează treptat aranjamente aleatorii ale atomilor în materiale stabile, utile care îndeplinesc criteriile specificate. Începe cu date aleatorii și, pas cu pas, construiește o structură coerentă ghidată de „constrângeri” (sau reguli) de intrare (prompt). În contextul MatterGen, aceasta înseamnă să începeți cu o aranjare aleatorie a atomilor pe care să o ajustați metodic pentru a forma un material stabil care să corespundă criteriilor dorite.
MatterGen a fost instruit cu o bază de date de peste 600.000 de materiale stabile din baze de date vaste precum Materials Project și altele. Cu acest antrenament, poate recunoaște modele și caracteristici care contribuie la stabilitate și unicitate. În plus, previziunile sale continuă să se îmbunătățească pe măsură ce generează mai multe materiale, asigurându-se că acestea nu sunt doar noi, ci și fezabile de produs.
MatterGen folosește un model de difuzie unic, adaptat pentru a gestiona geometria 3D și periodicitatea materialelor. Acest lucru permite o mai bună precizie atunci când se generează structuri care îndeplinesc constrângerile dorite. În comparație cu alte modele generative, materialele MatterGen sunt de două ori mai susceptibile de a fi noi și stabile și de peste zece ori mai aproape de minimul energetic local, sugerând o viabilitate mai bună pentru utilizare practică. Modelul este, de asemenea, versatil pentru a îndeplini simultan mai multe constrângeri, inclusiv chimie, simetrie, proprietăți mecanice, electronice și magnetice, oferind un domeniu de aplicare mai larg.
Aceasta înseamnă că materialele generate sunt atât mai probabil să fie utile, cât și o mai mare posibilitate să fie create din punct de vedere fizic.
Într-o demonstrație uimitoare, echipa a colaborat cu oamenii de știință de la Institutul de Tehnologie Avansată din Shenzhen din China pentru a sintetiza un nou material, TaCr2O6, pe care MatterGen l-a proiectat. Materialul din lumea reală se potrivea îndeaproape cu predicțiile AI, validând utilitatea practică a sistemului.
Sistemul este deosebit de remarcabil pentru flexibilitatea sa. Poate fi „ajustat” pentru a genera materiale cu proprietăți specifice – de la anumite structuri cristaline până la caracteristicile electronice sau magnetice dorite. Acest lucru ar putea fi de neprețuit pentru proiectarea materialelor pentru aplicații industriale specifice.
Implicațiile ar putea fi de amploare. Noile materiale sunt cruciale pentru tehnologiile avansate în stocarea energiei, proiectarea semiconductorilor și captarea carbonului. De exemplu, materiale mai bune pentru baterii ar putea accelera tranziția la vehiculele electrice, în timp ce materialele mai eficiente pentru celule solare ar putea face energia regenerabilă mai rentabilă.
„Din perspectivă industrială, potențialul aici este enorm”, a explicat Xie. „Civilizația umană a depins întotdeauna de inovațiile materiale. Dacă putem folosi AI generativă pentru a face proiectarea materialelor mai eficientă, ar putea accelera progresul în industrii precum energia, sănătatea și nu numai.”
Microsoft a lansat codul sursă MatterGen sub o licență open-source, cu instrucțiunile de instalare și utilizare, permițând cercetătorilor din întreaga lume să se bazeze pe această tehnologie. Această mișcare ar putea accelera impactul sistemului în diferite domenii științifice. Astfel oricine poate găzdui local, pe propriul computer acest model AI si îl poate testa și pune la lucru. Este un instrument extraordinar pentru studenți și cercetători atât din domeniul AI cât și al studiului materialelor.
Reamintesc, termenul sursă deschisă (open source) se referă la orice program al cărui cod sursă este pus la dispoziție pentru utilizare sau modificare după cum consideră necesar utilizatorii sau alți dezvoltatori. Spre deosebire de software-ul proprietar, software-ul open source este un software de calculator care este dezvoltat ca o colaborare publică, deschisă și pus la dispoziția publicului.
Dezvoltarea MatterGen face parte din inițiativa mai amplă Microsoft AI for Science, care își propune să accelereze descoperirea științifică folosind AI. Proiectul se integrează cu platforma Microsoft Azure Quantum Elements, făcând posibil tehnologia accesibilă întreprinderilor și cercetătorilor prin servicii de cloud computing.
Cu toate acestea, experții avertizează că, în timp ce MatterGen reprezintă un progres semnificativ, calea de la materialele proiectate computațional la aplicațiile practice necesită încă testare și rafinare extinse. Predicțiile sistemului, deși promițătoare, au nevoie de validare experimentală înainte de implementarea industrială.
Tehnologia reprezintă un pas semnificativ înainte în utilizarea inteligenței artificiale pentru a accelera descoperirea științifică. După cum a remarcat Daniel Zügner, cercetător senior al proiectului, „Ne angajăm profund în cercetarea care poate avea un impact pozitiv în lumea reală, iar acesta este doar începutul.”
