Επιστήμονες ανέπτυξαν έναν αλγόριθμο τεχνητής νοημοσύνης ικανό να προβλέπει τη δομή και τις ιδιότητες περισσότερων από 31 εκατομμυρίων υλικών που δεν υπάρχουν ακόμη.
Το εργαλείο τεχνητής νοημοσύνης, με την ονομασία M3GNet, θα μπορούσε να οδηγήσει στην ανακάλυψη νέων υλικών με εξαιρετικές ιδιότητες, σύμφωνα με την ομάδα του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο που το δημιούργησε.
Το M3GNet μπόρεσε να συμπληρώσει άμεσα μια τεράστια βάση δεδομένων με υλικά που δεν έχουν ακόμη συντεθεί, τα οποία οι μηχανικοί χρησιμοποιούν ήδη στην αναζήτησή τους για ηλεκτρόδια με μεγαλύτερη πυκνότητα για μπαταρίες ιόντων λιθίου που χρησιμοποιούνται σε όλα, από smartphones μέχρι ηλεκτρικά αυτοκίνητα.
Η βάση δεδομένων matterverse.ai και ο αλγόριθμος M3GNet θα μπορούσαν δυνητικά να διευρύνουν τον χώρο εξερεύνησης υλικών κατά τάξεις μεγέθους.
Ο καθηγητής νανομηχανικής του πανειστημίου, Shyue Ping Ong, περιέγραψε το M3GNet ως «ένα AlphaFold για υλικά», αναφερόμενος στον πρωτοποριακό αλγόριθμο τεχνητής νοημοσύνης που κατασκευάστηκε από την DeepMind της Google και μπορεί να προβλέψει δομές πρωτεϊνών.
«Όπως και με τις πρωτεΐνες, πρέπει να γνωρίζουμε τη δομή ενός υλικού για να προβλέψουμε τις ιδιότητές του», εξήγησε ο καθηγητής Ong.
«Πιστεύουμε πραγματικά ότι η αρχιτεκτονική M3GNet είναι ένα μετασχηματιστικό εργαλείο που μπορεί να επεκτείνει σημαντικά την ικανότητά μας να εξερευνούμε νέες χημικές δομές και δομές υλικών», πρόσθεσε.
Η ομάδα σχεδιάζει τώρα να επεκτείνει σημαντικά τον αριθμό των υλικών στη βάση δεδομένων της, ενώ παράλληλα συνεχίζει να διερευνά ποια υλικά θα μπορούσαν να αποδειχθούν χρήσιμα στην ανάπτυξη μελλοντικών επιστημονικών καινοτομιών.
Εκτιμάται δε, ότι πάνω από ένα εκατομμύριο από τα 31 εκατομμύρια υλικά της βάσης δεδομένων matterverse.ai είναι αρκετά σταθερά για χρήση.
Μια μελέτη που περιγράφει λεπτομερώς το νέο εργαλείο τεχνητής νοημοσύνης δημοσιεύθηκε στο επιστημονικό περιοδικό «Nature Computational Science».
ΠΗΓΗ: Independent
Πηγή: ertnews.gr
