Επιστήμονες ανέπτυξαν έναν αλγόριθμο τεχνητής νοημοσύνης ικανό να προβλέψει τη δομή και τις ιδιότητες περισσότερων από 31 εκατομμυρίων υλικών, που δεν υπάρχουν ακόμη.
Το «εργαλείο», με το ονομασία M3GNet, θα μπορούσε να οδηγήσει στην ανακάλυψη νέων υλικών με εξαιρετικές ιδιότητες, σύμφωνα με την ομάδα ερευνητών από το Πανεπιστήμιο της Καλιφόρνια στο Σαν Ντιέγκο, που το δημιούργησε.
Το M3GNet μπόρεσε να συμπληρώσει μια τεράστια βάση δεδομένων με υλικά που δεν έχουν ακόμη συντεθεί, τα οποία όμως οι μηχανικοί χρησιμοποιούν ήδη στην αναζήτησή τους για ηλεκτρόδια με μεγαλύτερη πυκνότητα για μπαταρίες ιόντων λιθίου, που χρησιμοποιούνται σε οτιδήποτε, από smartphone έως ηλεκτρικά αυτοκίνητα.
Η βάση δεδομένων matterverse.ai και ο αλγόριθμος M3GNet θα μπορούσαν ενδεχομένως να επεκτείνουν τον χώρο εξερεύνησης για υλικά κατά τάξεις μεγέθους, όπως αναφέρουν οι ίδιοι.
Ο καθηγητής νανομηχανικής του UC San Diego, Shyue Ping Ong, περιέγραψε το M3GNet ως «ένα AlphaFold για υλικά», αναφερόμενος στον επαναστατικό αλγόριθμο τεχνητής νοημοσύνης, που κατασκευάστηκε από το DeepMind της Google και το οποίο μπορεί να προβλέψει τις πρωτεϊνικές δομές.
«Όπως και με τις πρωτεΐνες, πρέπει να γνωρίζουμε τη δομή ενός υλικού για να προβλέψουμε τις ιδιότητές του», δήλωσε ο καθηγητής Ong.
«Πιστεύουμε ειλικρινά ότι η αρχιτεκτονική του M3GNet είναι ένα μετασχηματιστικό εργαλείο που μπορεί να επεκτείνει σημαντικά την ικανότητά μας να εξερευνούμε νέες χημείες και δομές υλικών».
Η ομάδα σχεδιάζει τώρα να επεκτείνει σημαντικά τον αριθμό των υλικών στη βάση δεδομένων της, ενώ συνεχίζει να ερευνά ποια υλικά μπορεί να αποδειχθούν χρήσιμα για να βοηθήσουν σε μελλοντικές επιστημονικές ανακαλύψεις.
Υπολογίζεται δε, ότι πάνω από ένα εκατομμύριο από τα 31 εκατομμύρια υλικά που ήδη βρίσκονται στη βάση δεδομένων της madeverse.ai είναι αρκετά σταθερά για χρήση.
Σημειώνεται ακόμα ότι σήμερα δημοσιεύτηκε στο επιστημονικό περιοδικό Nature Computational Science μία μελέτη που περιγράφει λεπτομερώς το νέο αυτό «εργαλείο» της τεχνητής νοημοσύνης.
Με πληροφορίες του Independent