Ako AI Zrýchľuje Objav Materiálov?

V posledných rokoch sa objavujú nové technológie, ktoré sľubujú revolúciu v rôznych oblastiach. Jednou z nich je využitie umelej inteligencie (AI) na objav nových materiálov. V tomto článku sa pozrieme na to, ako AI môže urýchliť proces, ktorý bol doteraz veľmi náročný a často závislý od šťastných náhod. Video Asianometry nám ponúka fascinujúci pohľad na túto tému, pričom zdôrazňuje potenciál AI zmeniť ekonomiky a spoločnosti rovnako ako kedysi oceľ alebo lítiovo-iónové batérie.

Kľúčové poznatky

• Obrovský priestor pre hľadanie: Existuje obrovské množstvo možných kombinácií prvkov, čo robí tradičné metódy objavovania materiálov veľmi náročným procesom.
• AI ako skratka: AI môže potenciálne prekonať výpočtové limity a urýchliť objav nových materiálov podobne ako AlphaGo v šachu.
• Dôležitosť laboratórnej práce: Predpovede AI je potrebné overiť experimentálnym potvrdením v reálnych podmienkach.
• Ekonomické výzvy: Objav materiálov čelí ekonomickým prekážkam, pretože nie vždy ponúka jasnú patentovú ochranu a rýchly finančný zisk.

Výzva: Hľadanie Nových Materiálov

Predstavte si, že hľadáte poklad v obrovskom labyrinte. Každá ulica predstavuje inú kombináciu prvkov – len s piatimi prvkami z množiny 60 je možné vytvoriť až 5,4 milióna rôznych možností! A to ešte nepočítame s rôznymi kryštálovými štruktúrami a podmienkami, za ktorých materiál funguje. Tradičné metódy, ako napríklad výpočty založené na hustotnej funkcionálnej teórii (DFT), sú síce užitočné, ale narazia na limity v komplexných systémoch kvôli tzv. mnohotielovému problému a obmedzeniam výpočtového výkonu.

AI Prichádza na pomoc: Gnome od DeepMind

Tu prichádza na rad AI. Podobne ako AlphaGo, ktorý revolučným spôsobom zmenil svet šachu, môže aj AI urýchliť objav materiálov tým, že sa naučí z existujúcich dát. Jedným z najzaujímavejších príkladov je Gnome od DeepMind – nástroj, ktorý využíva grafové neurónové siete na predpovedanie stability chemických zlúčenín. Gnome dokáže objaviť milióny nových štruktúr a dokonca overiť niektoré známe.

Ročné udelené patenty týkajúce sa umelej inteligencie podľa priemyslu

Prečo nie je AI všemocná?

Je dôležité si uvedomiť, že AI nie je zázračný liek na všetky problémy. Presnosť DFT môže byť v komplexných systémoch nekonzistentná a modely AI nemusia dosiahnuť obrovskú veľkosť, ako napríklad GPT-3. Navyše, predpovede AI je potrebné overiť experimentálnym potvrdením v reálnych podmienkach – teda v laboratóriách.

Umeló inteligencia: Výkon v testoch z vedomostí vs. počet parametrov

Laboratóriá sú stále kľúčové

Preto je kombinácia AI a laboratórnej práce nevyhnutná. Startupy by mali investovať do moderných, vysokopriepustných laboratórií, inšpirovaných farmaceutickým priemyslom, kde sa materiály rýchlo testujú a overujú. Bez toho sú predpovede AI len teoretickými možnosťami.

Ekonomické prekážky a budúcnosť

Objav nových materiálov čelí aj ekonomickým výzvam. Na rozdiel od farmaceutického priemyslu, kde je patentová ochrana a finančný zisk jasný, v oblasti materiálov je to často komplikovanejšie. Dlhšie časové horizonty a potenciálne konflikty duševného vlastníctva môžu odradiť investície. Mnoho startupov sa zameriava na podobné trhy (magnety, batérie), ale je možné, že sa nakoniec posunú k vytváraniu nástrojov pre priemyselný výskum a vývoj alebo budú využívať agentické AI prístupy.

Globálne investície do generatívnej umelej inteligencie

Záver: Budúcnosť Materiálového Výskumu

AI má potenciál zmeniť spôsob, akým objavujeme nové materiály. Hoci existujú určité výzvy a obmedzenia, kombinácia AI s tradičnými metódami a experimentálnou prácou môže viesť k revolučným novinkám v rôznych oblastiach – od energetiky po medicínu. Je to vzrušujúci čas pre vedecký pokrok!

Zdroje:

• Asianometry Patreon
• Asianometry LinkedIn

Približne 138 gCO₂ bolo uvoľnených do atmosféry a na chladenie sa spotrebovalo 0.69 l vody za účelom vygenerovania tohoto článku.