Представьте мир без нейлона, тефлона или кевлара. Эти полимеры – большие молекулярные соединения – сделали возможным всё, от антипригарных сковородок до бронежилетов. Теперь же учёные из Технологического института Джорджии взялись за поиск следующей большой находки в мире полимеров. И на помощь им приходит искусственный интеллект!
Команда под руководством Рампи Рампрасада использует ИИ для ускорения открытия новых материалов. Они разработали алгоритмы, которые могут предсказывать свойства полимеров и их составы ещё до того, как эти материалы будут созданы физически. Это настоящий прорыв в науке о материалах.
Этим летом два научных журнала серии Nature опубликовали статьи, подчеркивающие значительные достижения и успехи команды. Первая статья в Nature Reviews Materials описывает недавние прорывы в дизайне полимеров для хранения энергии, фильтрационных технологий и перерабатываемых пластиков. Вторая статья в Nature Communications сосредоточена на использовании ИИ для поиска новых полимеров для электростатического хранения энергии.
Рампрасада объясняет: "В первые дни использования ИИ в науке о материалах всё было ориентировано на исследовательский интерес. Теперь мы наконец-то видим реальные успехи в ускоренном открытии полимеров, что трансформирует индустриальные исследования и разработки материалов".
Что же сделал Рампрасад и его команда? Они создали алгоритмы, которые могут мгновенно предсказывать свойства и составы полимеров. Начинается всё с определения целевых свойств для конкретных приложений. Затем модели машинного обучения обучаются на существующих данных о свойствах материалов, чтобы прогнозировать желаемые исходы. Более того, алгоритмы могут генерировать новые полимеры, предсказывая их свойства.
Лучшие кандидаты, соответствующие целевым критериям, проходят реальное тестирование и синтез в лабораториях. Результаты новых экспериментов затем интегрируются с оригинальными данными, что позволяет совершенствовать предсказательные модели в постоянном, итеративном процессе.
Хотя ИИ может значительно ускорить открытие новых полимеров, это также представляет уникальные вызовы. Точность предсказаний ИИ зависит от наличия качественных и разнообразных данных. Кроме того, разработка алгоритмов, генерирующих химически реалистичные и синтезируемые полимеры, – сложная задача.
После предсказаний алгоритмов начинается реальная работа: доказать, что созданные материалы можно сделать в лаборатории, что они работают как ожидается, и что их можно масштабировать для реального использования.
В повседневных исследованиях команда Рампрасада сотрудничает с различными учреждениями, включая Технологический институт Джорджии. Профессор Райан Лайвли, один из соавторов статьи в *Nature Reviews Materials*, отмечает: "Эти инструменты ускоряют нашу работу и позволяют нам быстро исследовать новые идеи. Это и есть обещание ИИ".
Источник:
DOI: 10.1038/s41578-024-00708-8, DOI: 10.1038/s41467-024-50413-x
-------------------------------------
Поддержите наш проект: подпишитесь на канал, поставьте лайк или напишите комментарий, а также подписывайтесь на наши страницы на других площадках, в том числе на сервисе поддержки авторов Бусти. Ссылки найдёте в описании канала. Заранее спасибо!
