Nowe narzędzie sztucznej inteligencji pomaga modelom generatywnym projektować przełomowe materiały kwantowe

Sztuczna inteligencja (AI) przekształca wiele dziedzin, a teraz odciska swoje piętno na materiałoznawstwie. Potęgi technologiczne, takie jak Google, Microsoft i Meta, z powodzeniem wykorzystują generatywne modele sztucznej inteligencji do projektowania wielu nowych materiałów, wykorzystując w tym celu ogromne zbiory danych szkoleniowych. Modele te są niezwykle skuteczne, jeśli chodzi o przekształcanie podpowiedzi tekstowych w uderzające obrazy. Jednak zauważalne ograniczenie pojawia się, gdy modele te mają za zadanie tworzyć materiały posiadające rzadkie właściwości kwantowe, takie jak nadprzewodnictwo i egzotyczne stany magnetyczne.

Dostrzegając ten problem, naukowcy z MIT postanowili zakasać rękawy i zająć się tą kwestią. Opracowali oni nowatorską metodę, która ułatwia modelom generatywnej sztucznej inteligencji przestrzeganie określonych zasad projektowania, prowadząc je w ten sposób do tworzenia materiałów o strukturach geometrycznych niezbędnych do zachowań kwantowych. Podążanie tą drogą wymagało przewodnika i tak narodził się SCIGEN - skrót od Structural Constraint Integration in GENerative model.

Odsłonięcie SCIGEN: generatora materiałów kwantowych

Nie sposób nie docenić przełomu, jakim jest SCIGEN. Mingda Li, MIT's Class of 1947 Career Development Professor, wyjaśnia: "Modele opracowane przez duże firmy technologiczne są doskonałe w generowaniu stabilnych materiałów. Jednak w dziedzinie materiałoznawstwa stabilność nie zawsze jest najważniejszym czynnikiem. Tworzenie milionów nowych materiałów nie jest naszym głównym celem - szukamy tego, który naprawdę może wywołać poważną zmianę".

Jak więc zasadniczo działa SCIGEN? Jego skuteczność polega na integracji ograniczeń geometrycznych z modelami generatywnymi opartymi na dyfuzji. W rezultacie sztuczna inteligencja jest w stanie wytworzyć tylko materiały o określonych układach atomowych, o których wiadomo, że sprzyjają właściwościom kwantowym. Sięgając głębiej, naukowcy wzięli pod skrzydła SCIGEN model sztucznej inteligencji o nazwie DiffCSP, co doprowadziło do wygenerowania ponad 10 milionów kandydatów na materiały o strukturze sieci Archimedesa. Po przesianiu listy pod kątem stabilności, obiecujący milion materiałów przetrwał cięcie.

Rewolucja w rozwiązaniach kwantowych

Rzeczywiste zastosowanie tych badań już ujrzało światło dzienne. Zespołowi badawczemu udało się zsyntetyzować dwa nieznane wcześniej związki we współpracy z laboratoriami Michigan State University i Princeton University. Szeroko zakrojone testy potwierdziły zgodność między właściwościami materiału przewidywanymi przez sztuczną inteligencję a tymi obserwowanymi w rzeczywistości, udowadniając skuteczne podejście SCIGEN do generowania materiałów.

SCIGEN może być talizmanem umożliwiającym przyspieszenie poszukiwań stabilnych i odpornych na błędy kubitów w obwodach przyszłych kwantowych technologii obliczeniowych. Pomimo ogromnego potencjału SCIGEN, naukowcy podkreślają konieczność jego eksperymentalnej weryfikacji.

Chociaż możemy patrzeć w przyszłość w kierunku świata, w którym materiały lepiej dostosowane do naszych potrzeb mogą być generowane w szybkim tempie, zrównoważony rozwój musi pozostać naszą kotwicą. W miarę postępu badań, przyszłe wersje SCIGEN mogą zawierać ograniczenia oparte na składzie chemicznym lub właściwościach funkcjonalnych. Jak zauważa Okabe, kluczowa postać w zespole badawczym: "Dzięki SCIGEN możemy generować mniej stabilnych materiałów, ale znacznie zwiększamy nasze szanse na odkrycie czegoś naprawdę rewolucyjnego".

Wsparcie dla tego projektu pochodzi z różnych źródeł, w tym z Departamentu Energii Stanów Zjednoczonych, National Science Foundation, Oak Ridge National Laboratory i National Energy Research Scientific Computing Center. Więcej szczegółów można znaleźć w oryginalnym artykule na MIT News: https://news.mit.edu/2025/new-tool-makes-generative-ai-models-likely-create-breakthrough-materials-0922.