Μια ομάδα από πρώην ηγέτες της OpenAI και της DeepMind προσπαθούν να επαναπροσδιορίσουν την επιστήμη των υλικών χρησιμοποιώντας τεχνητή νοημοσύνη. Στόχος τους είναι να δημιουργήσουν ένα “ChatGPT για την επιστήμη των υλικών” – μια πλατφόρμα τεχνητής νοημοσύνης που μπορεί να επιταχύνει την ανακάλυψη, την ανάλυση και την κατασκευή νέων υλικών, μετασχηματίζοντας πιθανώς βιομηχανίες από την ενέργεια έως τα ηλεκτρονικά.
Η startup, που ονομάζεται Periodic Labs, συγκεντρώνει μια ομάδα κορυφαίων ερευνητών τεχνητής νοημοσύνης και επιστημόνων υλικών. Αντλώντας έμπνευση από μεγάλα γλωσσικά μοντέλα (LLMs) που τροφοδοτούν εργαλεία όπως το ChatGPT, η Periodic Labs στοχεύει να δημιουργήσει ένα σύστημα τεχνητής νοημοσύνης ικανό να κατανοεί και να παράγει σημαντικές πληροφορίες για τον περίπλοκο κόσμο των υλικών σε κλίμακα και ταχύτητα που δεν ήταν δυνατή μέχρι τώρα.
Η ανακάλυψη νέων υλικών ήταν ιστορικά μια αργή διαδικασία δοκιμών και λαθών, που συχνά χρειαζόταν χρόνια ή δεκαετίες για να μεταφερθεί μια νέα ιδέα από το εργαστήριο στην αγορά. Αυτή η καθυστέρηση είναι ιδιαίτερα προβληματική καθώς οι βιομηχανίες ανταγωνίζονται να καλύψουν επείγουσες ανάγκες για προηγμένα υλικά – όπως πιο αποδοτικές μπαταρίες, βιώσιμα καύσιμα και ελαφριά σύνθετα υλικά – για την αντιμετώπιση της κλιματικής αλλαγής και την καινοτομία.
Η τεχνητή νοημοσύνη, και ειδικά τα παραγωγικά μοντέλα, υπόσχεται να μειώσει δραματικά αυτό το χρονικό διάστημα. Με την ανάλυση τεράστιων βάσεων δεδομένων μοριακών δομών, επιστημονικής βιβλιογραφίας και πειραματικών αποτελεσμάτων, τα συστήματα τεχνητής νοημοσύνης μπορούν να προβλέψουν τις ιδιότητες νέων ενώσεων, να προτείνουν υλικά για συγκεκριμένες εφαρμογές και ακόμη να προτείνουν τρόπους σύνθεσης – πριν ακόμη πραγματοποιηθεί κάποιο πείραμα στο εργαστήριο.
Πώς λειτουργεί το “ChatGPT για την Επιστήμη των Υλικών”
Η προβλεπόμενη πλατφόρμα θα λειτουργεί σαν το ChatGPT, αλλά αντί να απαντά σε γενικές ερωτήσεις, θα απαντά σε ερωτήσεις επιστημόνων και μηχανικών σχετικά με τα υλικά. Για παράδειγμα, ένας χρήστης θα μπορούσε να ζητήσει ένα υλικό με υψηλή αντοχή στη θερμότητα και χαμηλό βάρος, και η τεχνητή νοημοσύνη θα πρότεινε μοριακές δομές ή διαδικασίες κατασκευής που πιθανώς να ικανοποιούν αυτά τα κριτήρια.
Βασικά χαρακτηριστικά
Conversational interface: Οι επιστήμονες αλληλεπιδρούν με την τεχνητή νοημοσύνη χρησιμοποιώντας φυσική γλώσσα, κάνοντας την προηγμένη έρευνα υλικών πιο προσβάσιμη.
Προβλέψεις με βάση δεδομένα: Η τεχνητή νοημοσύνη αξιοποιεί ποικίλες βάσεις δεδομένων – πειραματικά δεδομένα, προσομοιώσεις, δημοσιευμένες εργασίες – για να κάνει ακριβείς προβλέψεις για τις ιδιότητες και τη συμπεριφορά των υλικών.
Αυτοματοποιημένες προτάσεις σύνθεσης: Το σύστημα μπορεί να προτείνει πώς να συνθέσει ή να κατασκευάσει τα προτεινόμενα υλικά, απλοποιώντας τη διαδρομή από την ανακάλυψη στην παραγωγή.
Η ομάδα πίσω από την Periodic Labs περιλαμβάνει βετεράνους που βοήθησαν να χτιστούν τα θεμελιώδη συστήματα τεχνητής νοημοσύνης της OpenAI και της DeepMind, όπως τα μοντέλα GPT και το AlphaFold (γνωστό για την πρόβλεψη δομών πρωτεϊνών). Η εμπειρία τους στην ανάπτυξη μεγάλων μοντέλων τεχνητής νοημοσύνης και την ενσωμάτωσή τους με δεδομένα συγκεκριμένων τομέων δίνει στην επιχείρηση ένα μοναδικό πλεονέκτημα.
Η εταιρεία αναζητά σημαντική χρηματοδότηση για να υποστηρίξει τους φιλόδοξους στόχους έρευνας και ανάπτυξης (R&D), με αναφορές για υψηλό ενδιαφέρον από μεγάλα venture capitals. Αυτό ακολουθεί μια ευρύτερη τάση των εργαζομένων στην τεχνητή νοημοσύνη από κορυφαία εργαστήρια να ιδρύουν startups με επίκεντρο εφαρμογές τεχνητής νοημοσύνης σε συγκεκριμένους τομείς, όπως η επιστήμη των υλικών, η υγεία και τα εργαλεία προγραμματισμού.
Άλλες startups, όπως η Orbital Materials, ακολουθούν επίσης την ανακάλυψη υλικών με τεχνητή νοημοσύνη, με έμφαση στις πράσινες τεχνολογίες και την απανθρακοποίηση. Ο τομέας ελκύει γρήγορα επενδύσεις και προσοχή, καθώς η ανάγκη για νέα υλικά γίνεται όλο και πιο πιεστική στην προσπάθεια για βιωσιμότητα και τεχνολογική πρόοδο.
