Открытие новых материалов является ключом к решению некоторых из самых серьёзных проблем человечества. Однако, как отмечает Microsoft, традиционные методы поиска новых материалов напоминают «поиск иголки в стоге сена».
Исторически поиск новых материалов основывался на трудоёмких и дорогостоящих экспериментах методом проб и ошибок. В последнее время вычислительный скрининг обширных баз данных материалов помог ускорить процесс, но он оставался времязатратным.
Мощный новый инструмент генеративного ИИ от Microsoft может значительно ускорить этот процесс. Названный MatterGen, этот инструмент отходит от традиционных методов скрининга и вместо этого напрямую конструирует новые материалы на основе требований к дизайну, предлагая потенциально революционный подход к открытию материалов.
Опубликованный в журнале Nature, Microsoft описывает MatterGen как диффузионную модель, которая функционирует в 3D-геометрии материалов. Если модель диффузии изображений может генерировать изображения из текстовых подсказок, меняя цвета пикселей, MatterGen генерирует структуры материалов, изменяя элементы, их позиции и периодические решётки в случайных структурах. Эта особая архитектура специально разработана для учета уникальных требований науки о материалах, таких как периодичность и 3D-расположения.
«MatterGen позволяет использовать новый подход генеративного ИИ в проектировании материалов, что позволяет эффективно исследовать материалы, выходя за рамки ограниченного набора известных», объясняет Microsoft.
Шаг за пределы скрининга
Традиционные вычислительные методы включают скрининг огромных баз данных потенциальных материалов для выявления кандидатов с желаемыми свойствами. Однако даже эти методы ограничены в своей способности исследовать мир неизвестных материалов и требуют от исследователей проходить через миллионы вариантов, прежде чем найти перспективных кандидатов.
В отличие от этого, MatterGen начинает с нуля — генерируя материалы на основе конкретных подсказок о химических, механических, электронных или магнитных свойствах или их сочетаниях. Модель обучалась на более чем 608,000 стабильных материалов, собранных из баз данных проекта Materials Project и Alexandria.
В приведенном ниже сравнении MatterGen значительно превзошёл традиционные методы скрининга в генерации новых материалов с конкретными свойствами — в частности, модулем объёмного сжатия более 400 ГПа, что означает, что они трудно сжимаемы.
Пока скрининг демонстрировал убывающую отдачу с течением времени, по мере того как исчерпывались его известные кандидаты, MatterGen продолжал генерировать всё более новые результаты.
Одной из распространённых проблем, встречающихся при синтезе материалов, является композиционное беспорядок — явление, когда атомы случайным образом меняются местами внутри кристаллической решётки. Традиционные алгоритмы часто не могут отличить похожие структуры при определении того, что считается «действительно новым» материалом.
Чтобы решить эту проблему, Microsoft разработала новый алгоритм сопоставления структуры, который включает в себя композиционное беспорядок в своих оценках. Инструмент определяет, являются ли две структуры лишь упорядоченными приближениями одной и той же основной беспорядочной структуры, что позволяет давать более обоснованные определения новизны.
Доказательство эффективности MatterGen в обнаружении материалов
Чтобы доказать потенциал MatterGen, Microsoft сотрудничала с исследователями из Шэньчжэньского института передовых технологий (SIAT) — часть Китайской академии наук — для экспериментального синтеза нового материала, созданного ИИ.
Материал TaCr₂O₆ был сгенерирован MatterGen для достижения целевого модуля объёмного сжатия в 200 ГПа. Хотя экспериментальный результат оказался немного не дотянувшим до цели, показав модуль в 169 ГПа, относительная ошибка составила всего 20% — небольшое отклонение с экспериментальной точки зрения.
Интересно, что окончательный материал проявил композиционное беспорядок между атомами Ta и Cr, но его структура тесно соответствовала предсказанию модели. Если такой уровень предсказательной точности может быть перенесён на другие области, MatterGen может оказать значительное влияние на проектирование материалов для батарей, топливных ячеек, магнитов и многого другого.
Сегодня в @Nature: Наша модель MatterGen представляет собой сдвиг парадигмы в проектировании материалов, применяя генеративный ИИ для создания новых соединений с определёнными свойствами с беспрецедентной точностью.
— Сатья Наделла (@satyanadella) 16 января 2025 г.
Microsoft позиционирует MatterGen как дополнительный инструмент к своей предыдущей модели ИИ, MatterSim, которая ускоряет моделирование свойств материалов. Вместе эти инструменты могут служить технологической «маховиком», улучшая как исследование новых материалов, так и моделирование их свойств в итерационных циклах.
Этот подход согласуется с тем, что Microsoft называет «пятой парадигмой научного открытия», в которой ИИ выходит за рамки распознавания шаблонов и активно направляет эксперименты и симуляции.
Microsoft выпустила исходный код MatterGen под лицензией MIT. Наряду с кодом команда сделала доступны обучающие и дообучающие наборы данных модели, чтобы поддержать дальнейшие исследования и поощрить более широкое применение этой технологии.
Размышляя о более широком научном потенциале генеративного ИИ, Microsoft проводит параллели с открытием лекарств, где такие инструменты уже начали преобразовывать то, как исследователи разрабатывают и создают лекарства. Аналогичным образом, MatterGen может изменить подход к проектированию материалов, особенно в критических областях, таких как возобновляемая энергия, электроника и аэрокосмическая техника.
Источник: Artificial Intelligence News
