W dążeniu do innowacji w dziedzinie materiałoznawstwa poszukiwanie nowych związków chemicznych i dopracowywanie protokołów eksperymentalnych może być zarówno czasochłonne, jak i kosztowne. Dobrą wiadomością jest to, że zespół doświadczonych naukowców z MIT może właśnie mieć na to odpowiedź. Opracowali oni przełomową platformę, która oferuje bardziej kompleksowe i intuicyjne podejście do badań naukowych, przypominające sposób myślenia ludzkich specjalistów ds. badań.
Zaangażowani naukowcy z MIT zaprezentowali Copilot dla naukowców eksperymentujących w świecie rzeczywistym (CRESt)system oparty na sztucznej inteligencji, który ma zrewolucjonizować odkrywanie i testowanie materiałów. W przeciwieństwie do poprzednich narzędzi, CRESt integruje różnorodne źródła danych - od literatury naukowej i analiz chemicznych po obrazowanie i opinie ludzi. Wyposażony w skomplikowane narzędzia robotyczne do szybkiego testowania materiałów, CRESt udoskonala swoje prognozy i doskonali projekty eksperymentalne, tworząc pętlę sprzężenia zwrotnego.
Jedną z wyjątkowych cech platformy CRESt jest jej interfejs oparty na języku naturalnym, który doskonale ilustruje jej przyjazność dla użytkownika. Naukowcy mogą komunikować się z platformą w formie rozmowy, nie musząc pisać ani jednej linii kodu! Monitorując trwające eksperymenty, CRESt w inteligentny sposób formułuje hipotezy, a nawet sugeruje korekty – wszystko to dzięki wbudowanym kamerom w połączeniu z modelowaniem języka wizualnego.
Kierowany przez Ju Li, profesora energetyki Carla Richarda Soderberga na MIT, system radykalnie projektuje nowe eksperymenty przy użyciu różnych mechanizmów sprzężenia zwrotnego, które obejmują opublikowaną literaturę na temat określonych elementów i ich zachowania w określonych warunkach. A najnowszy artykuł naukowy zademonstrowała potencjał CRESt, gdzie system został wykorzystany do zbadania ponad 900 różnych substancji chemicznych i przeprowadzenia oszałamiających 3500 testów elektrochemicznych. Wynik? Nowy materiał katalityczny do ogniw paliwowych zasilanych solami mrówczanowymi, który pobił rekordy wydajności.
CRESt w wyjątkowy sposób wykorzystuje również szeroki zakres danych, przezwyciężając ograniczenia poprzednich metodologii. Będąc w stanie uwzględnić do 20 cząsteczek prekursorowych w swoich recepturach, system może przeanalizować literaturę techniczną, aby odkryć potencjalnie satysfakcjonujące składniki. Zainicjowany stamtąd CRESt zarządza mechanicznym przepływem pracy syntezy, badania i testowania. Podczas przeprowadzania eksperymentów CRESt fachowo udoskonala swoje modele aktywnego uczenia się, uwzględniając zarówno bieżące wyniki, jak i wiedzę historyczną, aby informować o każdym etapie.
Platforma nie tylko przeprowadza eksperymenty, ale także zajmuje się uporczywą kwestią odtwarzalności w nauce o materiałach. Drobne niespójności mogą powodować znaczące różnice - coś, co system może wykryć i skorygować za pomocą zaawansowanej wizji komputerowej i modeli wizyjno-językowych.
CRESt nie stanowi potencjalnego zagrożenia dla naukowców, lecz ma na celu wspieranie ich pracy poprzez poprawę spójności wyników eksperymentów. “Pomaga nam pracować mądrzej i szybciej, ale ludzka intuicja i nadzór pozostają niezbędne” – podkreśla Li.
CRESt osiągnął już znaczący przełom w pracach nad nowym materiałem elektrodowym do ogniw paliwowych wykorzystujących bezpośrednio mrówczan. W ciągu trzech miesięcy w ramach projektu zbadano wiele różnych składów chemicznych, co pozwoliło zidentyfikować rewolucyjny katalizator składający się z ośmiu pierwiastków. Co imponujące, materiał ten wykazał 9,3-krotny wzrost gęstości mocy w przeliczeniu na każdego wydanego dolara w porównaniu z kosztownymi poprzednikami opartymi na palladzie – a wszystko to przy zużyciu zaledwie jednej czwartej ilości metali szlachetnych!
Nie ulega wątpliwości, że platformy takie jak CRESt mogą zrewolucjonizować przyszłość laboratoriów badawczych. Łącząc precyzję i szybkość automatyzacji z głębią i elastycznością ludzkiego rozumowania, CRESt może utorować drogę do inteligentniejszych, wydajniejszych i zapewniających powtarzalność wyników laboratoriów. Oby przyszłość, w której sztuczna inteligencja i robotyka wzbogacają ludzkie odkrycia, stała się rzeczywistością.
Dla tych, którzy chcą zagłębić się w CRESt i jego możliwości, zapraszamy do zapoznania się z oryginalną informacją prasową MIT: MIT News
Ta strona używa plików cookie.