Sztuczna inteligencja jest ju\u017c synonimem mo\u017cliwo\u015bci i transformacji, szczeg\u00f3lnie w dziedzinie teoretycznego projektowania materia\u0142\u00f3w. Dzi\u0119ki swojej nieobliczalnej obietnicy sztuczna inteligencja pobudzi\u0142a innowacyjne rozwi\u0105zania maj\u0105ce na celu zwalczanie szeregu globalnych wyzwa\u0144. Ulepszenia te obejmuj\u0105 zar\u00f3wno skoki w efektywno\u015bci energetycznej, jak i post\u0119py w elektronice nowej generacji, a wszystko to dzi\u0119ki materia\u0142om generowanym przez sztuczn\u0105 inteligencj\u0119. Jest jednak pewna przeszkoda w tej narracji - wci\u0105\u017c pr\u00f3bujemy dowiedzie\u0107 si\u0119, jak faktycznie stworzy\u0107 te materia\u0142y.<\/p>\n
Tworzenie nowych materia\u0142\u00f3w nie jest tak proste, jak przestrzeganie sprawdzonej receptury. Jest to raczej skomplikowany wyczyn, misternie powi\u0105zany z gam\u0105 zmiennych, takich jak temperatura, ci\u015bnienie i precyzyjne proporcje chemiczne. Nawet niewielkie zmiany tych parametr\u00f3w mog\u0105 drastycznie zmieni\u0107 w\u0142a\u015bciwo\u015bci materia\u0142u, czyni\u0105c go bezwarto\u015bciowym. Ta z\u0142o\u017cono\u015b\u0107 by\u0142a g\u0142\u00f3wn\u0105 przeszkod\u0105 w post\u0119pie w odkrywaniu materia\u0142\u00f3w, szczeg\u00f3lnie gdy m\u00f3wimy o walidacji milion\u00f3w zwi\u0105zk\u00f3w zaproponowanych przez modele AI.<\/p>\n
Dobr\u0105 wiadomo\u015bci\u0105 jest to, \u017ce naukowcy z MIT poczynili znaczne post\u0119py, opracowuj\u0105c model sztucznej inteligencji, kt\u00f3ry nie tylko generuje ekscytuj\u0105ce propozycje materia\u0142\u00f3w, ale tak\u017ce pomaga w ich tworzeniu. Model ten, DiffSyn, wykorzystuje technik\u0119 zwan\u0105 modelowaniem dyfuzji do przewidywania potencjalnych \u015bcie\u017cek syntezy tych z\u0142o\u017conych materia\u0142\u00f3w. Model ten przyni\u00f3s\u0142 obiecuj\u0105ce wyniki, gdy zosta\u0142 przetestowany na zeolitach - typie materia\u0142u o zastosowaniach w katalizie, absorpcji gaz\u00f3w i wymianie jonowej. To praktyczne zastosowanie jest znacz\u0105cym krokiem w kierunku pokonania jednej z najwi\u0119kszych barier w nauce o materia\u0142ach - wype\u0142nienia luki mi\u0119dzy materia\u0142ami teoretycznymi a namacalnymi, rzeczywistymi innowacjami.<\/p>\n
Naukowcy poszli o krok dalej, z powodzeniem tworz\u0105c nowy zeolit przy u\u017cyciu przepisu sugerowanego przez model. Zeolit ten wykaza\u0142 lepsz\u0105 stabilno\u015b\u0107 termiczn\u0105 - prze\u0142om z potencja\u0142em dla g\u0142\u00f3wnych zastosowa\u0144 przemys\u0142owych. Na przyk\u0142ad, dzi\u0119ki generatywnej sztucznej inteligencji, firmy takie jak Google i Meta zainwestowa\u0142y w tworzenie kolosalnych baz danych wype\u0142nionych hipotetycznymi materia\u0142ami. Najtrudniejsz\u0105 cz\u0119\u015bci\u0105 jest jednak przekszta\u0142cenie tych cyfrowych schemat\u00f3w w rzeczywiste substancje - proces wymagaj\u0105cy nawigacji w z\u0142o\u017conej, wielowymiarowej przestrzeni syntezy. W tym miejscu do gry wkracza DiffSyn, zapewniaj\u0105c rozwi\u0105zanie oparte na dyfuzji.<\/p>\n
W por\u00f3wnaniu do system\u00f3w AI, takich jak ChatGPT i DALL-E, kt\u00f3re generuj\u0105 obrazy, DiffSyn generuje receptury syntezy dla po\u017c\u0105danych materia\u0142\u00f3w. Oferuje mo\u017cliwe scenariusze z temperaturami reakcji, czasem trwania i proporcjami prekursor\u00f3w, zapewniaj\u0105c solidn\u0105 podstaw\u0119 do praktycznych eksperyment\u00f3w laboratoryjnych i znacznie zmniejszaj\u0105c liczb\u0119 pr\u00f3b i b\u0142\u0119d\u00f3w.<\/p>\n
Podej\u015bcie to zosta\u0142o potwierdzone udan\u0105 syntez\u0105 nowego zeolitu, cz\u0119sto trudn\u0105 ze wzgl\u0119du na d\u0142ugi czas krystalizacji. Jednak zalecenia DiffSyn zaowocowa\u0142y zeolitem, kt\u00f3ry by\u0142 w znacznym stopniu kompatybilny z zastosowaniami katalitycznymi. Przej\u015bcie od mapowania jeden-do-jednego do mapowania jeden-do-wielu struktury i syntezy da\u0142o DiffSyn przewag\u0119 nad poprzednimi modelami, uwzgl\u0119dniaj\u0105c wiele sposob\u00f3w produkcji pojedynczego materia\u0142u.<\/p>\n
Patrz\u0105c w przysz\u0142o\u015b\u0107, podczas gdy zeolity by\u0142y przedmiotem obecnego badania, naukowcy s\u0105 optymistami, \u017ce podej\u015bcie DiffSyn mo\u017cna zastosowa\u0107 do innych kategorii materia\u0142\u00f3w, w tym struktur metaloorganicznych i nieorganicznych cia\u0142 sta\u0142ych. Niemniej jednak, walka o zebranie wysokiej jako\u015bci danych dla tych nowych rodzaj\u00f3w materia\u0142\u00f3w stanowi kolejne wyzwanie. Je\u015bli uda im si\u0119 skutecznie poradzi\u0107 sobie z zeolitami, co ju\u017c udowodnili, to jest na co czeka\u0107. Wizja d\u0142ugoterminowa: integracja takiej sztucznej inteligencji ze zautomatyzowanymi systemami laboratoryjnymi zdolnymi do przekazywania informacji zwrotnych w czasie rzeczywistym w celu dalszego przyspieszenia eksploracji materia\u0142\u00f3w.<\/p>\n
Te innowacyjne badania by\u0142y wspierane przez kilka g\u0142\u00f3wnych organizacji, w tym MIT International Science and Technology Initiatives (MISTI), National Science Foundation, Office of Naval Research i ExxonMobil. Aby zag\u0142\u0119bi\u0107 si\u0119 w ich badania, mo\u017cna znale\u017a\u0107 oryginalne wiadomo\u015bci na stronie MIT News<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" Artificial intelligence is already synonymous with possibility and transformation, particularly in the realm of theoretical materials design. With its incalculable promise, AI has spurred innovative developments aimed at combating an array of global challenges. These enhancements range from leaps in energy efficiency to advancements in next-generation electronics, all resulting from AI-generated materials. However, there’s a snag in this narrative – we’re still trying to figure out how to actually create these materials. Decoding the Complexities of Material Creation Forging new materials isn’t as easy as following a tried-and-true recipe. Rather, it’s a complex feat intricately tied to a gamut of […]<\/p>\n","protected":false},"author":4,"featured_media":7902,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-7901","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/7901","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=7901"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/7901\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/7902"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=7901"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=7901"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=7901"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}