ИИ — это сдвиг парадигмы, который может раскопать следующий супер материал
От бронзового века до промышленной революции и за ее пределами, открытие и развитие новых материалов стало движущей силой в истории человечества. Эти новые материалы помогли развивать технологии и фигулизации. Эра, где искусственный интеллект (ИИ), кажется, находится в идеальном положении, чтобы преобразовать поиск полезных материалов. Это, похоже, полностью изменить подход к их расследованию, созданию и тестированию. Цивилизации экспериментировали с природными ресурсами для создания инструментов и артефактов. Бронзовый век в середине 4-го тысячелетия до н.э. был важной вехой. Бронза, сплав меди и олова, привел к разработке более сильных инструментов и оружия, а также достижениям в области сельского хозяйства и строительства. MREC ->
Бронза часто называют первым «новым материалом», созданным людьми. Мы взяли разные элементы и создали что -то новое, с лучшими свойствами, чем ингредиент и уникальные качества. Изобретение стекла в древней Месопотамии около 3500 млрд. До н.э. было еще одним революционным моментом. src = «https: //www.sciencealert.comhttps: //images.theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg? ixlib = rb-4.1.0 & q = 45 & auto = format & w = 754 & fit = clip «srcset =» https://images.theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=45&auto=format&w=600&h=337&fit=crop&dpr= 1 600W, https://images.theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=30&auto=format&w=600&h=337&fit=crop&dpr=2 1200w. https://images.theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=15&auto=format&w=600&h=337&fit=crop&dpr=3 1800w, htttp /images.theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=45&auto=format&w=754&h=423&fit=crop&dpr=1 754w, https: // habrest. theconversation.com/files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=30&auto=format&w=754&h=423&fit=crop&dpr=2 1508w, https:/images.theconversation.com /files/647716/original/file-20250207-19-vd8kz1.jpg?ixlib=rb-4.1.0&q=15&auto=format&w=754&h=423&fit=crop&dpr=3 2262w «Размеры =» (min-width: 1466px) 7 (максимальная ширина: 599px) 100VW, (min-width: 600px) 600px, 237px «загрузка =» Lazy «>
AI входит в Fray
Поиск новых материалов, которые могут помочь в разработке следующих новаторских технологий, ранее было долгим и дорогостоящим процессом. Это было связано со сложностью многих материалов на атомных и молекулярных уровнях. Традиционные методы по сути основаны на пробных и ошибках и нуждаются в специализированном оборудовании и ресурсах. В обнаружении материала еще больше усложняется и удлиняет процесс. Тем не менее, достижения в области искусственного интеллекта, в том числе в подмножестве ИИ, называемого машинным обучением, начинают трансформировать весь ландшафт, обеспечивая более эффективные и целевые подходы. End Single/MREC->
В машинном обучении математические правила, называемые алгоритмами, учиться на данных для улучшения в задачах без вмешательства человека.
Основной сдвиг -это новая методология, основанная на «генеративных» системах ИИ, которые могут создавать новый контент. Системы ИИ теперь могут напрямую производить новые материалы, когда они предоставляются с желаемыми свойствами и ограничениями. Команда в Microsoft опубликовала статью в природе, в которой вводили пару инструментов ИИ для проектирования неорганических материалов (те, которые не основаны на элементе углерода).
Эти инструменты играют дополнительные роли в обнаружении материалов. Они называются Материалген и Маттерс. Первый создает новые материалы-кандидаты, а вторые фильтры и подтверждают их-чтобы убедиться, что они могут быть сделаны в реальном мире. ->
Конкретные желаемые свойства, которые могут быть включены через Mattergen, включают в себя определенную симметрию или механические, электронные и магнитные свойства. /MREC->
В отличие от традиционных методов, которые в основном зависят от интуиции (наряду с обширными и утомительными экспериментами), Mattergen может генерировать тысячи потенциальных материалов с конкретными желаемыми свойствами в течение доли времени.
Этот подход, возглавляемый A, ускоряет начальные этапы дизайна материала. Это позволяет исследователям исследовать более широкий спектр возможностей и сосредоточиться на наиболее перспективных кандидатах. Компьютерный анализ для прогнозирования стабильности и жизнеспособности этих предлагаемых материалов. Эта прогнозная способность помогает отфильтровать теоретические возможности от физически осуществимых. Это гарантирует, что только стабильные материалы движутся вперед в процессе обнаружения. > 
Гибкая электроника-это еще одна область, где обнаружение материалов может способствовать достижениям. (Mmassel/Canva)Мощный дуэт Microsoft, однако, не одинок в его поисках. Графические сети Google DeepMind для изучения материалов (GNOME)-еще один инструмент, обещающий значительно ускорить процесс обнаружения. > GNOME использует форму искусственного интеллекта, который вдохновлен человеческим мозгом, называемым глубоким обучением. Он предсказывает стабильность новых материалов, значительно сокращая этап исследования и обнаружения. 2023 Исследователи из Google DeepMind продемонстрировали, что их модель ИИ может выявить 2,2 миллиона новых стабильных материалов. Около 736 из них уже экспериментально реализованы. Эти материалы, многие из которых были ранее неизвестны человеческим химикам, имеют потенциальные применения в области чистой энергии, электроники и многое другое. >
Даже если Google Gnome и Microsoft Mattergen основаны на ИИ, они различаются по своим подходам и, в некотором смысле, предоставляют дополнительные методологии. GNOME предсказывает стабильность новых материалов, создавая вариации существующих структур, и фокусируется на идентификации стабильных кристаллических материалов. P> Mattergen, с другой стороны, использует генеративную модель ИИ для непосредственного разработки новых материалов на основе конкретных требований к проектированию. Он создает материальные структуры, изменяя элементы, позиции и периодические решетки (повторяющаяся структура в трех измерениях).
Последствия открытия материала, управляемого ИИ, обширны. Они могут потенциально привести к инновациям в таких областях, как хранение энергии и экологическая устойчивость. Одним из наиболее перспективных применений является, например, разработка новых батарей. Переход к источникам возобновляемых источников энергии, спрос на эффективные, длительные батареи вырос и продолжит это делать. Инструменты искусственного интеллекта могут помочь исследователям разрабатывать и определить новые материалы, способные поддерживать более высокую плотность энергии, более быстрое время зарядки и более длительные продолжительности жизни.
Помимо хранения энергии, новые материалы могут использоваться для разработки новых медицинских устройств, имплантатов и даже систем доставки лекарств. Это может улучшить результаты пациента и продвигать медицинские методы лечения. Между тем, новые материалы для очистки воды, улавливания углерода и управления отходами могут решать насущные экологические проблемы. Пожалуйста, не удаляй. -> 
Доменико Вицинанза, доцент кафедры интеллектуальных систем и науки о данных, Университет Англии Рускин
Эта статья переиздана из разговора по лицензии Creative Commons. Прочитайте оригинальную статью.
