(SeaPRwire) –   Para penyelidik di Google DeepMind telah menggunakan kecerdasan buatan untuk meramal struktur lebih daripada 2 juta bahan baru, dalam terobosan yang boleh memberi manfaat luas dalam sektor seperti tenaga boleh diperbaharui dan komputasi.

DeepMind telah mengesahkan 381,000 daripada 2.2 juta struktur kristal yang diramalkannya paling stabil.

Terobosan ini meningkatkan bilangan bahan stabil yang diketahui sebanyak sepuluh kali ganda. Walaupun bahan-bahan itu masih perlu disintesis dan diuji, langkah-langkah yang boleh mengambil masa berbulan-bulan atau bahkan tahun, perkembangan terbaru dijangka akan mempercepatkan penemuan bahan-bahan baru, yang diperlukan untuk aplikasi seperti penyimpanan tenaga, sel suria, dan cip pembetul.

“Walaupun bahan memainkan peranan yang sangat penting dalam hampir sebarang teknologi, kita sebagai manusia hanya mengetahui tentang beberapa puluh ribu bahan stabil,” kata Ekin Dogus Cubuk, Ahli Sains Penyelidikan Kanan di Google Brain, yang bekerja pada alat AI DeepMind yang dikenali sebagai Graph Networks for Materials Exploration (GNoME). Nombor itu menjadi lebih kecil lagi apabila mempertimbangkan bahan mana yang sesuai untuk teknologi tertentu, kata Cubuk kepada wartawan dalam taklimat pada 28 November. “Katakanlah anda mahu mencari pengalir elektronik pepejal baru untuk bateri yang lebih baik. Pengalir-pengalir ini perlu menjadi pengalir ion yang baik tetapi pengalir elektronik yang buruk, dan mereka tidak boleh toksik, mereka tidak boleh radioaktif. Sekali anda gunakan semua penapis ini, ternyata kita hanya mempunyai beberapa pilihan yang boleh kita gunakan, yang akhirnya tidak benar-benar merevolusikan bateri kita.”

Hanya kombinasi tertentu unsur yang bertindak balas untuk membentuk pepejal yang stabil – jika ikatan antara atom penyusun tidak cukup kuat, pepejal akan terurai secara spontan. Biasanya, bahan stabil baru ditemui melalui ujian dan ralat dengan membuat perubahan incremental kepada bahan yang diketahui atau dengan mencampur unsur-unsur mengikut prinsip yang berasal dari bidang kimia pepejal. Proses ini sering mahal dan boleh mengambil berbulan-bulan – eksperimen manusia telah menghasilkan struktur 20,000 bahan stabil secara keseluruhan. Struktur-struktur ini tersedia dalam Pangkalan Data Struktur Kristal Tak Organik (ICSD), pangkalan data bahan terbesar di dunia.

Usaha telah dibuat untuk meramal bahan baru secara komputasi pada masa lalu, terutamanya oleh Projek Bahan, usaha penyelidikan antarabangsa yang diasaskan oleh Kristin Persson di Makmal Kebangsaan Berkeley. Usaha-usaha ini sehingga kini telah menghasilkan 28,000 bahan stabil tambahan.

GNoME dilatih menggunakan data mengenai struktur bahan dan kestabilan mereka dari Projek Bahan. Kemudian, para penyelidik mempunyai GNoME mencadangkan struktur baru yang modelnya menentukan kemungkinan stabil. Teknik pengkomputasian yang telah ditetapkan digunakan untuk menilai kestabilan bahan-bahan yang dihasilkan oleh GNoME dengan lebih tepat. Data berkualiti tinggi ini disuap balik ke GNoME, meningkatkan ketepatan ramalan kestabilannya.

Google DeepMind mengambil 381,000 bahan yang paling mungkin stabil daripada keseluruhan 2.2 juta bahan yang mungkin stabil dan menambahkannya ke ISCD – meningkatkan bilangan bahan yang diramalkan stabil sebanyak sepuluh kali ganda. Untuk menguji sama ada bahan-bahan yang GNoME ramalkan stabil memang stabil, Google DeepMind bekerjasama dengan penyelidik luar yang berjaya mensintesis 736 daripadanya.

Antara 381,000 bahan adalah 528 pengalir lition yang berpotensi boleh digunakan dalam bateri, dan 52,000 sebatian berlapis baru dengan struktur serupa grafen, membuka kemungkinan beberapa daripada ini boleh menjadi asas untuk bahan pengalir baru. “Kami percaya beberapa daripada ini akan dibuat di makmal, yang diharapkan akan membawa kepada aplikasi yang sangat menggalakkan,” kata Cubuk.

Meramal sama ada struktur kristal cenderung stabil memberi saintis bahan lebih banyak sasaran untuk ditujukan, kata Cubuk. Tetapi ini masih meninggalkan banyak peringkat yang memakan masa sebelum bahan boleh berguna: mensintesis bahan, menguji untuk melihat sama ada ia mempamerkan sifat berguna seperti pengaliran, dan mereka kaedah sintesis skala besar.

Para penyelidik di Makmal Kebangsaan Berkeley sedang bekerja untuk mempercepat langkah sintesis. , sistem sintesis bahan automatik, bekerja selama 24 jam sehari, 7 hari seminggu selama 17 hari untuk cuba mensintesis 58 bahan yang diramalkan oleh GNoME, berjaya dalam 41 kes. Biasanya, ia boleh mengambil enam bulan atau bahkan tahun untuk mensintesis bahan, kata Cubuk.

“Ini masa depan – untuk mereka bahan secara autonomi menggunakan komputer, tetapi juga kemudian membuat mereka secara autonomi menggunakan makmal robotik ini dan belajar dari proses itu,” kata Persson dalam taklimat itu.

Selain meramal sama ada bahan akan stabil, GNoME boleh meramal sama ada ia akan bertindak sebagai pengalir ion yang cekap – sifat penting untuk bateri. Para penyelidik Google DeepMind optimis bahawa alat AI masa depan akan mampu meramal sifat-sifat berguna yang lain. “Model pembelajaran mesin, apabila dilatih dengan banyak data, benar-benar mempelajari aspek mekanik kuantum yang menarik, dan mampu mengeneralisasikan dan membuat ramalan tentang perkara yang tidak pernah dilatih,” kata Cubuk. “Yang membuat kami sangat gembira tentang cabaran berikutnya kami, seperti meramal kebolehsintesisan.”

Terobosan GNoME hanyalah terobosan terbaru dari Google DeepMind, yang sebelumnya menghasilkan alat ramalan lipatan protein , alat skrin penyakit genetik , dan alat ramalan cuaca .

“Jika anda memikirkan masalah ramalan struktur protein dan jika anda memikirkan kestabilan bahan, kedua-duanya adalah masalah simpul utama, [yang] kami fikir melonggarkan beberapa masalah yang berbeza,” kata , yang memimpin pasukan Sains AI Google DeepMind. “Masalah khusus ini mempunyai implikasi untuk banyak masalah lain yang masyarakat benar-benar prihatin hari ini.”

Artikel ini disediakan oleh pembekal kandungan pihak ketiga. SeaPRwire (https://www.seaprwire.com/) tidak memberi sebarang waranti atau perwakilan berkaitan dengannya.

Sektor: Top Story, Berita Harian

SeaPRwire menyampaikan edaran siaran akhbar secara masa nyata untuk syarikat dan institusi, mencapai lebih daripada 6,500 kedai media, 86,000 penyunting dan wartawan, dan 3.5 juta desktop profesional di seluruh 90 negara. SeaPRwire menyokong pengedaran siaran akhbar dalam bahasa Inggeris, Korea, Jepun, Arab, Cina Ringkas, Cina Tradisional, Vietnam, Thai, Indonesia, Melayu, Jerman, Rusia, Perancis, Sepanyol, Portugis dan bahasa-bahasa lain.