Revolucioniranje otkrića materijala uz generativnu AI: Predstavljamo MatterGen
Brief news summary
Inovacija u materijalima ključna je za tehnološki napredak, što pokazuje razvoj litijum-jonskih baterija. Tradicionalno, otkriće novih materijala uključuje spor, skup proces pokušaja i greške. Iako kompjuterska analiza može procijeniti milione materijala, ona ostaje vremenski zahtjevna. Tu nastupa MatterGen, AI alat predstavljen u radu u časopisu Nature, s ciljem da revolucionira ovaj proces. Koristeći generativne tehnike, MatterGen dizajnira materijale na temelju specifičnih kriterija i obučen je na više od 600.000 primjera iz izvora poput Projekta materijala. Primjenjuje model difuzije koji se fokusira na 3D strukture, omogućavajući istraživanje novih prostora materijala i prilagođavanje materijala sa željenim svojstvima, nadmašujući tradicionalne metode. MatterGen se bavi izazovima poput kompozicijskog poremećaja i postigao je eksperimentalni uspjeh u Šenzhenskim institutima za naprednu tehnologiju. Zajedno sa MatterSim-om, alatom za AI simulaciju, značajno ubrzava otkrivanje i simulaciju materijala. Kao platforma otvorenog koda, MatterGen potiče suradnju zajednice za kontinuirana poboljšanja. Kao što je AI uticao na otkriće lijekova, MatterGen bi mogao dovesti do proboja u dizajnu materijala, posebno za baterije i gorivne ćelije. Podržavaju ga entiteti poput Laboratorije primijenjene fizike Univerziteta Johns Hopkins i dio je inicijativa Microsoft Research AI za nauku.Inovacija materijala je ključna za tehnološke proboje, što pokazuje otkriće litij-kobalt oksida, koji je osnova za trenutne litij-ionske baterije koje pokreću mobilne telefone i električne automobile. Inovacija materijala je također bitna za efikasne solarne ćelije, ekonomične baterije za skladištenje energije i adsorbente za reciklažu CO2. Tradicionalno, pronalaženje novih materijala podrazumijeva skupe metode pokušaja i pogrešaka, ali računarsko pretraživanje ubrzalo je ovaj proces procjenom opsežnih baza podataka materijala. MatterGen, detaljno opisan u časopisu Nature, predstavlja nov pristup otkrivanju materijala koristeći generativnu AI. Umjesto pretraživanja materijala, MatterGen ih direktno kreira na osnovu specifičnih zahtjeva primjene, omogućujući dizajniranje materijala s različitim željenim svojstvima. Ovaj generativni AI alat podržava efikasno istraživanje izvan poznatih materijala. MatterGen koristi model difuzije koji djeluje na 3D geometrijama materijala, generirajući strukture prilagođavanjem pozicija i elemenata u nasumičnom rasporedu. Obučen je s podacima iz 608. 000 stabilnih materijala i može se dodatno usavršiti s označenim skupovima podataka za generisanje novih materijala prilagođenih hemiji, simetriji i raznim svojstvima.
Za razliku od tradicionalnog pretraživanja, MatterGen pristupa neistraženim materijalima i nastavlja generisanje novih kandidata sa specifičnim karakteristikama. Da bi se adresirao problem kompozicijskog poremećaja – gdje atomi mijenjaju mjesta unutar materijala – MatterGen uvodi novi algoritam za usklađivanje struktura. Ovaj algoritam redefiniše novitet procjenjujući predstavljaju li strukture varijacije istog predloška s kompozicijskim poremećajem. Eksperimentalna validacija uključivala je sintezu novog materijala, TaCr2O6, koji je pokazao rezultate bliske MatterGenovim predviđanjima. MatterGen dopunjuje AI emulator MatterSim, formirajući "zamašnjak" koji ubrzava i simulaciju i istraživanje materijala, potencijalno poboljšavajući primjene u baterijama, magnetima i gorivnim ćelijama. MatterGen model, izvorni kod i podaci javno su objavljeni pod MIT licencom. Gledajući unaprijed, nastavak rada s partnerima, poput Johns Hopkins University Applied Physics Laboratory, ima za cilj ostvariti pun potencijal MatterGena. Ovaj projekt proizašao je iz timskog rada u Microsoft Research AI for Science, u kojeg je uključena raznolika grupa istraživača.
Watch video about
Revolucioniranje otkrića materijala uz generativnu AI: Predstavljamo MatterGen
Try our premium solution and start getting clients — at no cost to you
