در دنیا شرکت‌های بسیاری در حوزه هوش مصنوعی کار می‌کنند که تیم گوگل DeepMind یکی از قدیمی‌ترین و در عین حال پیشرفته‌ترین آنهاست. این تیم به تازگی نتایج تحقیقاتی را منتشر کرده که به نوعی پیش از این غیرممکن تصور می‌شدند. هوش مصنوعی دیپ مایند گوگل با تحولی در علم مواد، ساختار شیمیایی برخی مواد را پیشنهاد کرده که پیش از این ارائه آنها برای محققان غیر ممکن تصور می‌شد.
اگر تا به حال تصاویر خاص از رویدادهای تاریخی یا ایده‌های متفاوت هوش مصنوعی یا آهنگ‌های بازخوانی شده توسط افراد درگذشته یا هزاران مورد دیگر از هنرهای هوش مصنوعی را دیده‌اید باید بگوییم که این موارد تنها ایده‌های فانتزی پیاده شده با این علم قدیمی ولی به تازگی ترند شده هستند.
یکی از زمینه‌هایی که هوش مصنوعی می‌تواند در آن نقش مهمی ایفا کند، علم مواد است. علم مواد به مطالعه خواص، ساختار و کاربرد مواد مختلف می‌پردازد و از آن برای ایجاد محصولات و فناوری‌های جدید استفاده می‌شود. برای مثال، موادی مانند نانوذرات، سرامیک‌ها، پلیمرها و آلیاژها در زمینه‌هایی مانند انرژی، پزشکی، علوم فضا و الکترونیک کاربرد دارند.
اما یافتن و ساخت مواد جدید یک فرایند زمان‌بر و پیچیده است که نیاز به آزمایش‌های بسیاری دارد. به همین دلیل، هوش مصنوعی می‌تواند به عنوان یک ابزار قدرتمند برای کمک به پژوهشگران علم مواد عمل کند.
طراحی 2 میلیون ماده جدید در چند ماه به جای 20 سال
Google DeepMind به تازگی یکی از دستاوردهای شگفت‌انگیز خود را در زمینه هوش مصنوعی و علم مواد منتشر کرده است. بنابر گزارش رویترز، این شرکت با استفاده از یک مدل هوش مصنوعی به نام Graph Networks for Materials Exploration (GNoME)، توانسته است 2 میلیون و 200 هزار ماده جدید را اختراع کند که از نظر ساختار و خواص، بسیار متفاوت و پیچیده بوده و برای انسان غیرقابل درک و تصور هستند.
این مواد شامل انواع کریستال‌ها، مایعات، گازها و مواد فوق‌رسانا هستند که می‌توانند برای اهداف مختلف مانند انرژی، الکترونیک، دارو و محیط زیست مفید باشند.
جالب اینجاست که طبق اعلام تیم توسعه دهنده در حال حاضر حدود 400 هزار ماده پیشنهاد شده به حدی کاربردی به نظر می‌رسد که در صف انجام تست‌های کاربردی قرار گرفته‌اند و می‌تواند در کوتاه مدت وارد فازهای تولید و استفاده قرار گیرند.
Ekin Dogus Cubuk، دانشمند محقق در DeepMind می‌گوید:
ما امیدواریم که پیشرفت‌های بزرگ در مدل‌های آزمایش، سنتز خودکار و مدل‌های یادگیری ماشین به طور قابل توجهی این جدول زمانی 10 تا 20 ساله را به چیزی که بسیار قابل کنترل‌تر است، کوتاه کند.
ویژگی‌های مدل مولد طراحی مواد جدید
مدل GNoME یک مدل مولّد (generative) است که می‌تواند مواد جدید را با ترکیب عناصر جدول تناوبی ایجاد کند. این مدل از یک شبکه عصبی گرافی (Graph Neural Network) استفاده می‌کند که می‌تواند ساختار و خواص مواد را به صورت گراف‌هایی از گره‌ها و یال‌ها نمایش دهد. گره‌ها نشان‌دهنده عناصر و یال‌ها نشان‌دهنده پیوندهای بین آنها هستند. این شبکه عصبی می‌تواند با یادگیری از داده‌های موجود در پایگاه‌های داده علم مواد، گراف‌های جدیدی را تولید کند که معادل مواد جدیدی هستند که هنوز کشف نشده‌اند. این مدل همچنین می‌تواند خواص مواد را پیش‌بینی و مواد را بر اساس معیارهای مورد نظر فیلتر کند.
مدل مذکور توسط تیم پژوهشی Google DeepMind در همکاری با دانشگاه کمبریج و موسسه ملی استاندارد و فناوری آمریکا (NIST) طراحی و آزمایش شده است. نتایج این پژوهش که در مجله علمی Nature منتشر شده یکی از بزرگترین و سریع‌ترین کشف‌های مواد در تاریخ علم مواد را نشان می‌دهد و موید این گزاره است که هوش مصنوعی می‌تواند مرزهای دانش انسان را گسترش داده و ممکن کردن غیرممکن‌ها را به واقعیت تبدیل کند.
این پژوهش یک گام بزرگ در راستای تحقق یکی از رویاهای علم مواد است که از دهه‌ها پیش مطرح شده است؛ مواد سفارشی (Custom Materials) موادی که بر اساس نیازها و خواسته‌های خاص طراحی و ساخته می‌شوند. با استفاده از هوش مصنوعی، می‌توان موادی را کشف کرد که دارای خواص منحصر به فرد و مطلوب هستند و برای حل چالش‌های مهم جهانی مانند تغییرات آب و هوایی، کمبود منابع و بهبود کیفیت زندگی مفید هستند.
البته این پژوهش هنوز در مراحل اولیه خود بوده و نیاز به تایید و تکمیل بیشتر توسط نهادهای مرتبط دارد. پژوهشگران باید مواد جدید را در آزمایشگاه تولید و مورد آزمون قرار دهند تا از صحت و امنیت آنها اطمینان حاصل کنند. همچنین باید روش‌هایی را برای تولید مقیاس بزرگ و کاربرد عملی این مواد ارائه دهند.
این فرایند ممکن است سال‌ها طول بکشد یا حتی با چالش‌های فنی و اخلاقی روبرو شود. اما پژوهش جدید DeepMind نشان می‌دهد که هوش مصنوعی می‌تواند یک دستیار ارزشمند برای علومی که ارتباط تنگاتنگی با آزمایشات مدل‌سازی شده گسترده دارند (مانند علم مواد) بوده و باز کردن درهایی را به انسان امکان‌پذیر کند که قبلاً حتی اندیشیدن به آنها نیز بسیار رویاپردازانه تصور می‌شد
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت