Τεχνολογία

Αλγόριθμος μηχανικής μάθησης του εργαστηρίου DeepMind επιταχύνει θεαματικά το έργο των χημικών

Αλγόριθμος μηχανικής μάθησης του εργαστηρίου DeepMind επιταχύνει θεαματικά το έργο των χημικών

Πηγή Φωτογραφίας: Ο ρομποτικός βραχίονας του Α-Lab συνέθεσε κάποια από τα νέα υλικά (Marilyn Sargent/Berkeley Lab)

Μέχρι που μια τεχνητή νοημοσύνη της DeepMind, εταιρείας τεχνητής νοημοσύνης που ανήκει σήμερα στην Google, ανακάλυψε σε χρόνο-ρεκόρ ακόμα 2,2 εκατομμύρια ανόργανες ενώσεις.

Έπειτα από δεκαετίες θεωρητικών μελετών και πειραματισμών στο εργαστήριο, οι χημικοί γνώριζαν μέχρι σήμερα λιγότερες από 50.000 ανόργανες ενώσεις.

Μέχρι που μια τεχνητή νοημοσύνη της DeepMind, εταιρείας τεχνητής νοημοσύνης που ανήκει σήμερα στην Google, ανακάλυψε σε χρόνο-ρεκόρ ακόμα 2,2 εκατομμύρια ανόργανες ενώσεις.

Το θεαματικό επίτευγμα, το οποίο παρουσιάζεται στο περιοδικό Nature, υπόσχεται μα φέρει επανάσταση στην επιστήμη υλικών, είτε πρόκειται για μπαταρίες, ημιαγωγούς, φωτοβολταϊκά πάνελ ή άλλες τεχνολογίες του αύριο.

Η ανακάλυψη και σύνθεση νέων υλικών είναι συνήθως μια χρονοβόρα και δαπανηρή διαδικασία -για παράδειγμα, χρειάστηκαν περίπου δύο δεκαετίες έρευνας μέχρι να φτάσουν στην αγορά οι πρώτες μπαταρίες ιόντων λιθίου, οι οποίες άνοιξαν το δρόμο για την επανάσταση της κινητής τηλεφωνίας και της ηλεκτροκίνησης.

«Ελπίζουμε ότι μεγάλες βελτιώσεις στον πειραματισμό, την αυτόνομη σύνθεση και τα μοντέλα μηχανικής μάθησης θα συντομεύσουν αυτό το χρονοδιάγραμμα των 10-20 ετών σε κάτι πιο διαχειρίσιμο» δήλωσε στο Reuters ο Έκιν Ντόγκους Κιούμπουκ της DeepMind, επικεφαλής της μελέτης.

Η επιστήμη υλικών γίνεται έτσι ένα ακόμα ερευνητικό πεδίο στο οποίο διαπρέπει η DeepMind. Η εταιρεία είχε προηγουμένως παρουσιάσει τον αλγόριθμο AlphaFold, ο οποίος έλυσε έναν μεγάλο γρίφο της βιολογίας χάρη στην ικανότητά του να προβλέπει τη δομή πρωτεϊνών, και πιο πρόσφατα το GraphCast, ένα μοντέλο καιρικών προβλέψεων που τρέχει σε laptop και ανταγωνίζεται συμβατικά μοντέλα που απαιτούν υπερυπολογιστές.

Δομή και σταθερότητα

To νέο μοντέλο που προβλέπει νέα υλικά, με την ονομασία GNoME, αρχικά εκπαιδεύτηκε με δεδομένα του Materials Project, μια βάση δεδομένων του Πανεπιστημίου του Μπέρκλεϊ στην οποία έχουν καταχωρηθεί δεδομένα για τις 20.000 ανόργανες ενώσεις που έχουν παραχθεί στο εργαστήριο και τις ακόμα 28.000 ενώσεις για τις οποίες υπάρχουν θεωρητικές προβλέψεις. Τα δεδομένα περιγράφουν μεταξύ άλλων την κρυσταλλική δομή κάθε υλικού και τη σταθερότητά του.

Έπειτα από μερικούς γύρους εκπαίδευσης με παραδείγματα, το GNoME προέβλεψε τις δομές ακόμα 2,2 εκατομμυρίων κρυσταλλικών ενώσεων. Ο αλγόριθμος υπολόγισε επίσης τη σταθερότητα 380.000 από τις ενώσεις αυτές, οι οποίες προστέθηκαν στη βάση του Materials Project.

Μερικές δεκάδες από τα νέα υλικά που προέβλεψε ο αλγόριθμος ήδη παρήχθησαν στο εργαστήριο χάρη σε μια διαφορετική τεχνητή νοημοσύνη, η οποία αναπτύχθηκε στο Πανεπιστήμιο του Μπέρκλεϊ για την αυτοματοποίηση της μελέτης νέων υλικών.

Το σύστημα A-Lab, στο οποίο ένα σύστημα ΑΙ καθοδηγεί ρομπότ που πειραματίζονται στον πάγκο, παρήγαγε με επιτυχία 41 νέα υλικά από τα 58 που δοκίμασε, αναφέρουν οι ερευνητές σε ξεχωριστή δημοσίευση στο Nature.

To ρομποτικό εργαστήριο παρήγαγε κατά μέσο όρο δύο νέα υλικά την ημέρα, μια διαδικασία που κανονικά απαιτεί εβδομάδες ή μήνες, επισημαίνει ανακοίνωση του πανεπιστημίου.

Τα οφέλη της τεχνολογίας της DeepMind αναμένεται τώρα να διαχυθούν σε όλη την ερευνητική κοινότητα, καθώς η εταιρεία δεσμεύτηκε να διαθέσει το GNoME ως ανοιχτό κώδικα και να δημοσιεύσει τα δεδομένα για όλα τα νέα υλικά που ανακαλύπτονται.

Πηγή: in.gr//Βαγγέλης Πρατικάκης

Διαβάστε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο

ΚΑΤΕΒΑΣΤΕ ΤΟ APP ΤΟΥ PAGENEWS PAGENEWS.gr - App Store PAGENEWS.gr - Google Play

Το σχόλιο σας

Loading Comments