Искусственный интеллект меняет подход к открытию новых материалов. Группы исследователей по всему миру используют машинное обучение для моделирования, которое позволяет проверять миллионы потенциальных соединений с невероятной скоростью. При этом многие команды сознательно жертвуют идеальной точностью ради быстрого получения результатов.
В свежем выпуске Lexicon старший научный сотрудник компании Matlantis Джошуа Янг рассказал, как ИИ встраивается в процесс разработки материалов. По его словам, когда люди слышат об искусственном интеллекте в материаловедении, они часто представляют полностью автоматизированное открытие от начала до конца. На практике инструменты ИИ интегрируются в существующие рабочие процессы, а не заменяют их целиком.
Янг пояснил, что многие исследователи сочетают новые методы моделирования на основе ИИ с традиционными подходами, такими как теория функционала плотности. Около половины опрошенных команд уже используют в производстве платформы, изначально разработанные для ИИ, хотя традиционные методы всё ещё составляют незначительное большинство от общего объёма работы. Это говорит о том, что ИИ сосуществует с существующими методами и дополняет их, ускоряя отдельные этапы исследований.
Полная автономия пока недостижима
Хотя моделирование и эксперименты с использованием ИИ технически возможны, они остаются фрагментарными. Главная проблема заключается в разрозненности данных. Моделирование выдаёт текстовые результаты, а эксперименты генерируют изображения, спектры и данные микроскопии. Интеграция этих разнородных потоков в единую замкнутую систему представляет собой чрезвычайно сложную задачу. По оценке Янга, широкомасштабное полностью автономное открытие материалов станет реальностью через три-пять лет.
Человек остаётся в процессе
Даже с развитием автоматизации человеческий опыт сохраняет ключевое значение. Янг использует термин participation humaine, подчёркивая, что экспертная интерпретация результатов и проведение экспериментов по-прежнему необходимы. Хотя агенты ИИ всё чаще автоматизируют отдельные этапы моделирования и анализа, полное исключение людей приводит к неудовлетворительным результатам.
Одна из главных причин сохранять участие человека это доверие. Согласно опросу, лишь около 14 процентов исследователей сообщают об очень высоком уровне доверия к системам ИИ. Часть неуверенности проистекает из отсутствия надёжности. Без экспертного контроля существует реальный риск получить мусор на выходе при мусоре на входе.
Скорость важнее совершенства
Один из самых ярких результатов опроса Matlantis это готовность исследователей жертвовать точностью ради скорости. 73 процента респондентов согласны на некоторую потерю точности в обмен на ускорение в 100 раз. Для специалистов по вычислительным методам это обычно означает принятие отклонений в пять-десять миллиэлектронвольт на атом, что достаточно мало для сохранения значимых тенденций.
Давление времени реально. 94 процента опрошенных команд были вынуждены отказаться от некоторых проектов по моделированию из-за нехватки времени. Скорость перестала быть просто удобством. Она стала необходимым условием для инноваций. Это свидетельствует о прагматическом сдвиге, когда скорость рассматривается как главный фактор, способствующий внедрению разработок, которые ранее застревали из-за вычислительных ограничений.
Моделирование как инструмент направления
Янг выступил против идеи, что моделирование должно давать идеальные прогнозы. Ссылаясь на интервью с профессором Юкихиро Шимогаки из Токийского университета, он отмечает, что точность не должна сводиться к точному измерению. Моделирование наиболее ценно, когда оно правильно предсказывает качественные тенденции и сужает пространство поиска. В этой концепции ИИ выступает в роли фильтра, быстро отсеивая слабых кандидатов и позволяя сосредоточить экспериментальные ресурсы на наиболее перспективных вариантах.
Реальные победы
Моделирование с использованием ИИ уже приносит ощутимые результаты. Организации, применяющие эти методы, сообщают о средней экономии около 109 000 долларов на проект. Экономия достигается за счёт сокращения количества физических экспериментов, снижения вычислительных затрат и ускорения итераций.
В одном из тематических исследований химическая компания оценила 13 потенциальных улучшений катализаторов. Традиционными методами на это потребовалось бы два или три года. Используя ИИ, они пришли к тому же выводу всего за шесть недель. В другом примере исследователи протестировали 32 миллиона потенциальных материалов для твердотельных батарей менее чем за неделю. Традиционно на это ушли бы десятилетия. Прототип батареи был разработан менее чем за девять месяцев.
Доверие и интеллектуальная собственность
Несмотря на достижения, доверие остаётся ограничивающим фактором, особенно в вопросах интеллектуальной собственности. Безопасность данных не подлежит обсуждению. Ни один из респондентов в опросе не считал защиту интеллектуальной собственности несущественной проблемой. Прорывы в области материалов могут стоить миллиарды долларов, поэтому опасения по поводу утечки данных или раскрытия моделей вполне обоснованны.
Компании всё чаще требуют строгих мер защиты, развёртывания частных облачных решений или использования локальных систем. Янг подчёркивает, что клиенты сохраняют полное право собственности на свои данные. Компания Matlantis не вмешивается в вопросы интеллектуальной собственности.
Предстоящий путь
Заглядывая на пять лет вперёд, Янг считает, что масштабный высокоскоростной скрининг станет рутинной процедурой. Запуск тысяч, сотен тысяч или миллионов симуляций за дни или недели вероятно станет стандартной базовой операцией для начала любых новых проектов.
Он также предвидит появление самоуправляемых лабораторий или интегрированных систем, где моделирование запускает роботизированные эксперименты, а результаты экспериментов напрямую передаются в модели ИИ. При этом даже физические сбои могут превращаться в преимущества.
Янг не считает, что такое будущее отодвинет учёных на второй план. Автоматизация трудоёмких этапов исследований освободит исследователей для реализации новых идей. Всё время, которое раньше уходило на рутинные задачи, можно будет направить на инновации. В этом и заключается сила человека в разработке планов, стратегий и новых идей.
