2018 онд Тиан Ши MIT-ийн докторын бөгөөд материал судлал болон инженерчлэлд гүнзгий анхаарал хандуулж байв. Энэ хугацаанд нэг чухал асуулт arose: Хязгаарлалтууд болон шалгуур үзүүлэлтүүдийг оролт болгон авч, хэрэгцээт материалуудыг гаргах загварыг боловсруулж болох уу?Ши дандаа боломжтой гэж үзэж байсан боловч энэ санааны хурдан хөгжил, чухал ач холбогдлыг урьдчилан харах боломжгүй байсан. MIT-ийн CSAIL-д хоёр жилийн постдокторын дараа, Ши 2022 онд Майкрософт Судалгааны AI for Science санаачилгад нэгдсэн. Энэхүү санаачилга, нэрт эрдэмтэн Крис Бишопын анх үүсгэсэн бөгөөд дэлхийн сорилтууд, тухайлбал тогтвортой байдал болон эмийн судалгаа зэрэг асуудлуудыг шийдэхийн тулд AI-ийг ашиглахыг зорьдог. Хоёр ба гурван жилийн дараа, баг нь тодорхой хэмжээгээр өргөжиж, таван цагийн бүсэд ажил санал болгож шинэ санаачилгыг түлхэц авахад ажиллаж байна. Энэхүү санаачилгын хоёр үндсэн хэрэгсэл, MatterGen болон MatterSim нь материал судлах арга барилаа үндсээр нь өөрчилж байна. MatterGen нь молекулын бүтэцийн концепцүүдийг хямд бүтэц хэлбэрээр шинжлэх ухаанд зориулан шинэ материалуудыг илрүүлэхийн тулд нарийн алгоритмууд ашиглан концепцүүдийг үйлдвэрлэдэг. “MatterGen хэрэглэгчийн тодорхойлсон хязгаарлалт болон шалгуураар мянган нэр дэвшигчийг үйлдвэрлэж, шинэ материал санал болгодог” гэж Ши хэлсэн бөгөөд энэ нь материал үйлдвэрлэлийн чиглэлд чухал өөрчлөлт юм. Үүний эсрэгээр, MatterSim эдгээр концепцүүдийг тогтвортой байдал, гарцын үнэлгээний стандартын дагуу үнэлж, онолын санаануудыг практик ойгуудын хувиар шүүх явдлыг хангадаг.

Тэд хамтдаа цаг хугацааны хувьд илүү их цаг шаардагдсан лабораторын туршилтанд ихээхэн тулгуурласан процессийг хялбарчилж, материал илрүүлэхийн үр ашигт нэмэлт үйл явцыг сайжруулж байна. Тиан Ши эдгээр дэвшлийн их хэмжээний үйлдвэрлэлийн боломжийг онцолж, материалууд нь хүн төрөлхтний хөгжил дэвшилд үргэлж чухал үүрэг гүйцэтгэдэг - барилгын материалуудаас эмнэлгийн төхөөрөмж хүртэл. Гэхдээ шинэ материал боловсруулах уламжлалт замыг удаан бөгөөд ихэнхдээ зардал өндөр, ялангуяа эрчим хүч болон эрүүл мэндийн салбарт явдаг. AI энэ процессыг хурдан болгож, тогтвортой эрчим хүчний хадгалалт эсвэл дэвшилтэт эмнэлгийн технологи зэрэг шинэчлэлийн хувьд хэрэгцээтэй материалуудын зөвшөөрөгдсөн илрэлтийг олж авах боломжийг олгоно. AI for Science-ийн Үндсэн Судлаач Зихэнг Лү эдгээр хэрэгслийн доторх тооцоолох чадварыг нэмэгдүүлснээр юуны түрүүнд чухал ойлголтуудтай болох боломжийг илтгэж байна. Машины сургалтын програмууд нь квант механикийг тухайн үедээ тооцоолохыг бууруулах хүлээлтүүдийг давж гарч, материалаас үүссэн шинж чанарын ялгааг тодорхойлох болон бусад салбарт дэвшилтэт үр дүнгүүдийг авчирсан. AI for Science багт хамтын ажиллагаа чухал боловсруулалттай. Долоо хоног тутмын уулзалт болон жижиг бүлгийн харилцан үйлчлэл нь MatterGen болон MatterSim-ийг интеграци хийхэд тусалдаг бөгөөд эдгээр нь өндөр холбогдолтой байдлаар хамтран ажилладаг. Даниел Зүгнер, ахлах судлаач, хамтын ажиллагааны ач холбогдлыг онцоллоо, ингэснээр материалаар дамжуулж буй хандлагаараа илүү өргөн хүрээний дизайныг бий болгож чадна. Майкрософтийн Azure Quantum баг AI for Science-тэй хамтран химийн болон материалын шинжлэх ухаан дахь хүндрэлтэй асуудлуудыг шийдэхийн тулд өндөр гүйцэтгэлтэй тооцоолох, квант технологийг ашиглан ажиллаж байна. Энэ түншлэл нь судалгааны үр дүнгүүдийг бодит аж үйлдвэрийн хэрэгцээтэй нийцүүлэн хурдтай шалыг шалгах зорилгоор. MatterGen болон MatterSim-ийн сүүлийн үеийн амжилт, тархалттай хэрэгслийн татан авалт болон онцгой нийтлэлүүд нь тэдгээрийг төвөгтэй асуудлуудыг шийдэхэд хувьсгалын потенциалтайг харуулж байна. Энэхүү санаачилгын хувь нэмэр нь уур амьсгалын шинжлэх ухаан, биомедицин зэрэг бусад салбарт өргөжиж, тоо хэмжээний үнэлгээний платформоор бус, үр дүнгийн судалгаагаар томоохон хувь нэмэр болгоно. Ерөнхийдөө, AI for Science санаачилга нь бодит тусламжийн шийдлүүдийг боловсруулахад зориулсан бөгөөд материалын шинжлэх ухаан болон түүнээс дээш томоохон ашиг тус болох ирээдүйг онцолно.