هوش مصنوعی DeepMind دو میلیون ماده شیمیایی جدید پیشبینی میکند
گامی جدید در کاهش زمان لازم برای توسعه مواد شیمیایی جدید
یک مقاله که در ژورنال Nature منتشر شده است نشان میدهد که هوش مصنوعی توسعهیافته توسط DeepMind از منابع داده Materials Projects استفاده کرده و ساختار بیش از دو میلیون ماده شیمیایی جدید را پیشبینی کرده است. این پیشرفت میتواند مسیر را برای توسعه تکنولوژیهای جدید هموار کند.
بر اساس گزارش این مقاله، این شرکت به زودی بیش از ۴۰۰ هزار طرح ماده فرضی را در شرایط آزمایشگاه تست خواهد کرد. موارد استفاده احتمالی این پژوهش شامل توسعه باتریها، پنلهای خورشیدی و تراشههای کامپیوتری است.
بر اساس این مقاله، شناسایی و ایجاد مواد جدید اغلب پرهزینه و زمانبر است. تقریباً دو دهه تحقیق طول کشید تا باتریهای لیتیوم یونی—که اکنون به طور گسترده در دستگاههایی مانند تلفنها، لپتاپها و وسایل نقلیه الکتریکی استفاده میشوند—به صورت تجاری در دسترس قرار گیرند. اکین داگس کوباک، دانشمند محقق در DeepMind، ابراز خوشبینی کرده و گفته که پیشرفت در آزمایشها، سنتز خودکار و مدلهای یادگیری ماشینی میتوانند به طور قابلتوجهی جدول زمانی طولانی ۱۰ تا ۲۰ ساله برای کشف و سنتز مواد را کاهش دهند. این مقاله نشان میدهد که هوش مصنوعی توسعهیافته توسط DeepMind با استفاده از دادههای «پروژه مواد» تحت آموزش قرار گرفته است. پروژه مواد یک کنسرسیوم تحقیقاتی بینالمللی است که در آزمایشگاه ملی لارنس برکلی در سال ۲۰۱۱ تأسیس شد.
این سازمان قصد خود را برای توزیع دادهها در جامعه تحقیقاتی با هدف تسریع پیشرفتهای بیشتر در زمینه کشف مواد جدید ابراز کرد. با این حال، کریستین پرسون، مدیر پروژه مواد، در این مقاله گفت که صنعت در مورد افزایش هزینهها محتاط است و کشف مواد جدید اغلب زمان میبرد تا مقرون به صرفه شوند. به گفته پرسون، کوتاه کردن این جدول زمانی، یک موفقیت نهایی خواهد بود. پس از به کارگیری هوش مصنوعی برای پیشبینی پایداری این مواد جدید، هوش مصنوعی DeepMind توجه خود را به پیشبینی قابلیت سنتز آنها در شرایط آزمایشگاهی معطوف کرده است.