La scoperta di nuovi materiali è fondamentale per risolvere alcune delle più grandi sfide dell’umanità. Tuttavia, come evidenziato da MicrosoftI metodi tradizionali per scoprire nuovi materiali possono sembrare come “trovare un ago in un pagliaio”.
Storicamente, la ricerca di nuovi materiali si basava su esperimenti per tentativi ed errori laboriosi e costosi. Più recentemente, lo screening computazionale di vasti database di materiali ha contribuito ad accelerare il processo, ma è rimasto un processo dispendioso in termini di tempo.
Ora, un nuovo potente strumento di intelligenza artificiale generativa di Microsoft potrebbe accelerare significativamente questo processo. Soprannominato MatterGen, lo strumento si allontana dai metodi di screening tradizionali e progetta direttamente nuovi materiali in base ai requisiti di progettazione, offrendo un approccio potenzialmente rivoluzionario alla scoperta dei materiali.
Pubblicato in un articolo in NaturaMicrosoft descrive MatterGen come un modello di diffusione che opera all'interno della geometria 3D dei materiali. Laddove un modello di diffusione delle immagini potrebbe generare immagini da istruzioni di testo modificando i colori dei pixel, MatterGen genera strutture materiali alterando elementi, posizioni e reticoli periodici in strutture randomizzate. Questa architettura su misura è progettata specificamente per gestire le esigenze uniche della scienza dei materiali, come la periodicità e le disposizioni 3D.
“MatterGen consente un nuovo paradigma di progettazione generativa dei materiali assistita dall’intelligenza artificiale che consente un’esplorazione efficiente dei materiali, andando oltre l’insieme limitato di quelli conosciuti”, spiega Microsoft.
Un salto oltre lo screening
I metodi computazionali tradizionali implicano lo screening di enormi database di potenziali materiali per identificare i candidati con le proprietà desiderate. Tuttavia, anche questi metodi sono limitati nella loro capacità di esplorare l’universo dei materiali sconosciuti e richiedono ai ricercatori di vagliare milioni di opzioni prima di trovare candidati promettenti.
Al contrario, MatterGen inizia da zero, generando materiali sulla base di suggerimenti specifici su chimica, attributi meccanici, proprietà elettroniche, comportamento magnetico o combinazioni di questi vincoli. Il modello è stato addestrato utilizzando oltre 608.000 materiali stabili compilati dai database Materials Project e Alexandria.
Nel confronto seguente, MatterGen ha sovraperformato significativamente i metodi di screening tradizionali nel generare nuovi materiali con proprietà specifiche, in particolare un modulo di massa maggiore di 400 GPa, il che significa che sono difficili da comprimere.
Mentre lo screening ha mostrato rendimenti decrescenti nel corso del tempo man mano che il pool di candidati noti si è esaurito, MatterGen ha continuato a generare risultati sempre più nuovi.
Una sfida comune incontrata durante la sintesi dei materiali è il disordine compositivo, il fenomeno in cui gli atomi si scambiano casualmente le posizioni all’interno di un reticolo cristallino. Gli algoritmi tradizionali spesso non riescono a distinguere tra strutture simili quando decidono cosa conta come materiale “veramente nuovo”.
Per risolvere questo problema, Microsoft ha ideato un nuovo algoritmo di corrispondenza della struttura che incorpora il disordine compositivo nelle sue valutazioni. Lo strumento identifica se due strutture sono semplicemente approssimazioni ordinate della stessa struttura disordinata sottostante, consentendo definizioni più robuste di novità.
Dimostrare che MatterGen funziona per la scoperta dei materiali
Per dimostrare il potenziale di MatterGen, Microsoft ha collaborato con i ricercatori dello Shenzhen Institutes of Advanced Technology (SIAT) – parte dell’Accademia cinese delle scienze – per sintetizzare sperimentalmente un nuovo materiale progettato dall’intelligenza artificiale.
Il materiale, TaCr₂O₆, è stato generato da MatterGen per soddisfare un obiettivo di modulo di massa di 200 GPa. Anche se il risultato sperimentale è stato leggermente inferiore all’obiettivo, misurando un modulo di 169 GPa, l’errore relativo è stato solo del 20%, una piccola discrepanza dal punto di vista sperimentale.
È interessante notare che il materiale finale mostrava un disordine compositivo tra gli atomi di Ta e Cr, ma la sua struttura era strettamente allineata con la previsione del modello. Se questo livello di accuratezza predittiva potesse essere trasferito ad altri domini, MatterGen potrebbe avere un profondo impatto sulla progettazione dei materiali per batterie, celle a combustibile, magneti e altro ancora.
Microsoft posiziona MatterGen come strumento complementare al suo precedente modello di intelligenza artificiale, MateriaSimche accelera le simulazioni delle proprietà dei materiali. Insieme, gli strumenti potrebbero fungere da “volano” tecnologico, migliorando sia l’esplorazione di nuovi materiali sia la simulazione delle loro proprietà in cicli iterativi.
Questo approccio è in linea con quello che Microsoft definisce il “quinto paradigma della scoperta scientifica”, in cui l’intelligenza artificiale va oltre il riconoscimento dei modelli per guidare attivamente esperimenti e simulazioni.
Microsoft ha rilasciato MatterGen codice sorgente sotto licenza MIT. Oltre al codice, il team ha reso disponibili i set di dati di formazione e messa a punto del modello per supportare ulteriori ricerche e incoraggiare una più ampia adozione di questa tecnologia.
Riflettendo sul più ampio potenziale scientifico dell’intelligenza artificiale generativa, Microsoft traccia paralleli con la scoperta di farmaci, dove tali strumenti hanno già iniziato a trasformare il modo in cui i ricercatori progettano e sviluppano i farmaci. Allo stesso modo, MatterGen potrebbe rimodellare il modo in cui affrontiamo la progettazione dei materiali, in particolare per settori critici come l’energia rinnovabile, l’elettronica e l’ingegneria aerospaziale.
(Credito immagine: Microsoft)
Vedi anche: L'Oréal: rendere i cosmetici sostenibili con l'intelligenza artificiale generativa
Vuoi saperne di più sull'intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell'intelligenza artificiale e dei big data che si svolgerà ad Amsterdam, in California, e a Londra. L'evento completo è collocato in contemporanea con altri eventi importanti, tra cui Conferenza sull'automazione intelligente, BlockX, Settimana della trasformazione digitaleE Fiera sulla sicurezza informatica e sul cloud.
Esplora altri prossimi eventi e webinar sulla tecnologia aziendale forniti da TechForge Qui.
Fonte: www.artificialintelligence-news.com
