Обещания ИИ в материаловедении
Судя по недавним заголовкам и постам в соцсетях, кажется, что искусственный интеллект вот-вот наладит энергосистемы, избавит от болезней и даже сделает покупки к праздникам. Однако вокруг этой темы много шума и преувеличений.
Особенно любопытна статья о применении ИИ в материаловедении. Такие технологии могли бы радикально изменить поиск новых веществ, что крайне важно для климатических разработок — нужны свежие батареи, полупроводники, магниты и многое другое.
Но пока область должна подтвердить, что способна создавать по-настоящему новые и практичные материалы. Действительно ли ИИ способен взвинтить темпы исследований? Как это может выглядеть на практике?
Для ученых, стремящихся найти альтернативные источники энергии (или решить другие глобальные задачи), свежий материал способен перевернуть дело.
Сложности традиционного поиска материалов
Разработка веществ всегда была трудоемкой и затяжной. Взять пластик: первый полностью синтетический появился в 1907 году, а широкое разнообразие, знакомое нам сегодня, стало доступно лишь к 1950-м.
Конечно, пластик невероятно удобен, но принес и кучу проблем обществу.
За последние десятилетия материаловедение почти не дало прорывов для рынка. Наблюдатели отмечают: за почти 40 лет вышло всего несколько значимых новинок. Литий-ионные батареи — один из них.
Сможет ли ИИ все перевернуть? Перспектива заманчивая, и фирмы уже активно экспериментируют.
Подход компании Lila Sciences
Lila Sciences из Кембриджа, штат Массачусетс, применяет модели ИИ для поиска новых веществ. Фирма обучает их на свежих научных публикациях и подключает к автоматизированным лабораториям, чтобы система училась на реальных экспериментах.
Задача — ускорить циклы создания и проверки веществ, заметить закономерности, которые ускользают от людей.
На мероприятии MIT Technology Review в этом году Rafael Gómez-Bombarelli, один из сооснователей Lila, в беседе рассказал о проектах компании. Он признал: крупных прорывов в ИИ-поиске материалов еще нет.
Но модели Lila дают понимание, не уступающее или даже превосходящее экспертов. В перспективе ИИ будет рассуждать иначе, чем ученые, и придется адаптировать его выводы под человеческий взгляд на мир.
Путь от идеи к реальности
Такой энтузиазм в материаловедении вдохновляет, но до настоящей трансформации далеко. Главная закавыка: легко получить от модели идеи для экспериментов или структур, но совсем другое — синтезировать вещество и доказать его новизну и ценность.
Вспомним: пару лет назад Google DeepMind сообщил, что ИИ предсказал структуры миллионов новых материалов, а в лаборатории сделали сотни.
Как отмечается в той статье, материаловеды указали: многие "новинки" — лишь вариации известных, а другие нестабильны при обычных условиях. Симуляции проводили при сверхнизких температурах, где атомы почти неподвижны.
ИИ вполне может подстегнуть область и привести к суперconductорам, батареям или магнитам, о которых раньше не мечтали. Но сейчас это выглядит как хайп.