U 2018. godini, Tian Xie je bio duboko uronjen u svoje doktorantske studije na MIT-u, fokusirajući se na nauku o materijalima i inženjering. Tokom ovog vremena, postavilo se ključno pitanje: Da li se može dizajnirati model koji bi uzeo ograničenja i kriterije kao ulaze i proizveo održive materijale kao izlaze?Xie je optimistično vjerovao da je to moguće, iako nije mogao predvidjeti brzi napredak i značajne posljedice ove ideje. Nakon što je završio dvogodišnji postdoktorski rad u MIT-ovom CSAIL-u, Xie se pridružio Microsoft Research-ovom AI for Science projektu 2022. godine. Ova inicijativa, koju je pokrenuo istaknuti naučnik Chris Bishop, ima za cilj da iskoristi AI za rješavanje globalnih izazova kao što su održivost i otkriće lijekova. Tokom više od dvije i po godine, tim se značajno proširio, radeći u pet vremenskih zona kako bi pomjerao granice inovacija. Dva ključna alata u ovoj inicijativi, MatterGen i MatterSim, su fundamentalno promijenila način istraživanja materijala. MatterGen služi kao kreativna sila, generirajući koncepte molekularnih struktura putem sofisticiranih algoritama kako bi identifikovao nove materijale sa željenim svojstvima. “MatterGen generira hiljade kandidata sa korisnički definiranim ograničenjima kako bi predložio nove materijale, ” izjavio je Xie, ističući značajnu promjenu u dizajnu materijala.

Nasuprot tome, MatterSim rigorozno procjenjuje ove koncepte kako bi odredio njihovu stabilnost i održivost, time filtrirajući teorijske ideje od praktičnih realnosti. Zajedno, oni pojednostavljuju proces koji se ranije oslanjao na opsežne laboratorijske ispitivanja, značajno unapređujući efikasnost u otkrivanju materijala. Tian Xie naglašava ogromni industrijski potencijal ovih unapređenja, budući da su materijali uvijek bili ključni za ljudski napredak—od građevinskih materijala do medicinskih uređaja. Međutim, tradicionalna ruta za razvoj novih materijala je spora, često zahtijevajući godine istraživanja koja mogu biti izrazito skupa, posebno u kritičnim industrijama kao što su energetski sektor i zdravstvena zaštita. AI ima moć da ubrza ovaj proces, omogućavajući bržu identifikaciju održivih materijala koji su bitni za inovacije poput održivog skladištenja energije ili naprednih medicinskih tehnologija. Glavni istraživač AI for Science Ziheng Lu ističe da povećana računarska moć unutar ovih alata može donijeti značajne uvide brže nego što se očekivalo. Prvobitna očekivanja o primjenama mašinskog učenja za smanjenje izračunavanja kvantne mehanike su nadmašena uslijed brzog napretka, što je dovelo do proboja u karakterizaciji svojstava materijala i drugim oblastima. Unutar AI for Science tima, saradnja je ključna. Nedeljni sastanci i interakcije u manjim grupama olakšavaju integraciju MatterGen i MatterSim, koji rade zajedno na visoko međusobno povezan način. Daniel Zügner, stariji istraživač, naglasio je važnost njihove saradnje, omogućavajući sveobuhvatniji pristup dizajnu materijala. Microsoftov Azure Quantum tim sarađuje sa AI for Science, koristeći visokoperformansno računarstvo i kvantnu tehnologiju za rješavanje složenih izazova u hemiji i nauci o materijalima. Ovo partnerstvo osigurava da istraživanje bude usklađeno sa stvarnim industrijskim potrebama, ubrzavajući primjenu otkrića. Nedavne priče o uspjehu za MatterGen i MatterSim, uključujući široko preuzimanje alata i značajne publikacije, prikazuju njihov potencijal da revolucioniraju složeno rješavanje problema. Doprinosi inicijative se protežu i na druga polja poput klimatskih nauka i biomedicine, odražavajući posvećenost značajnom istraživanju umjesto pukim metrikama. Sve u svemu, AI for Science inicijativa naglašava razvoj praktičnih rješenja sa potencijalom za značajne koristi u stvarnom svijetu, ističući transformativnu budućnost za nauku o materijalima i šire.