Nove vrste polimerov so v preteklosti že pripeljale do prebojev na področju materialov: najlon, teflon in kevlar so le nekateri primeri. Gre za kemijske spojine z velikimi molekulami, ki so spremenile svet. Danes verjetno uporabljaš ponev s teflonskim premazom. Pri 3D tisku materiali najpogosteje prihajajo iz skupine polimerov. Ker iskanje novih polimerov s specifičnimi lastnostmi ni enostavno, so raziskovalci na tem področju pričeli z uporabo umetne inteligence. Bo ta odkrila nov material prihodnosti?
Umetna inteligenca je teoretično uspešna, prvi članki že pričajo o uspehu
Letošnje poletje sta bila v znanstvenih revijah iz družine Nature objavljena že dva članka, ki pričata o velikem napredku in uspehu na področju raziskav iskanja polimerov s pomočjo umetne inteligence. Prvi je bil objavljen v znanstveni reviji Nature Reviews Materials. Govori o nedavnem preboju pri razvoju kritičnih in sodobnih polimerov za različne namene: shranjevanje energije, tehnologije filtracije in plastike za reciklažo. Drugi članek, iz znanstvene revije Nature Communications, se osredotoča na uporabo algoritmov umetne inteligence za odkrivanje polimerov za shranjevanje elektrostatične energije. Poroča o uspešni laboratorijski sintezi in testiranju materialov.
Umetna inteligenca napove lastnosti
Umetna inteligenca napove lastnosti polimerov preden jih sploh ustvarijo. Odkrivanje novih materialov se začne z definiranjem specifičnih ciljnih lastnosti oziroma kriterijev, ki povedo, kako primeren je polimer za dano uporabo. Nato se modeli strojnega učenja trenirajo na podatkih o že obstoječih materialih. Raziskovalci nato ustvarijo nove polimere, katerih lastnosti so predvideli s pomočjo modelov umetne inteligence. Najbolj obetavni kandidati, ki ustrezajo začetnim kriterijem, so izbrani za nadaljnja testiranja. Sledi laboratorijska sinteza in testiranje teh kandidatov. Rezultati eksperimentov so nato integrirani s prvotnim setom podatkov – tako se model strojnega učenja neprestano izboljšuje na podlagi lastnih napak in uspehov. Gre torej za neprestan ponavljajoč se proces, ki bi lahko odkril nov material prihodnosti.
Je res tako enostavno?
Uporaba umetne inteligence sicer lahko močno pospeši iskanje novih polimerov. Prinese pa tudi svoje izzive in probleme. Natančnost napovedi umetne inteligence je namreč pogojena z dostopnostjo bogatih, raznovrstnih in obsežnih izhodiščnih setov podatkov. Ključni so torej kakovostni podatki. Dodatni izziv je razvoj algoritmov, ki lahko ustvarijo kemijsko realistične polimere, ki jih je dejansko mogoče sintetizirati. Seveda pa so napovedi umetne inteligence le izhodišče za nadaljnje, obsežne in kompleksne, raziskave v laboratoriju. Le te lahko pokažejo, da se material obnaša v skladu z napovedmi in ga je mogoče uporabiti v realnem življenju.
Novinar
