AI mění výzkum materiálů: Objevy jsou 100x rychlejší, šetří se statisíce dolarů a lidé zůstávají klíčoví

Umělá inteligence (AI) zásadně mění způsob, jakým jsou objevovány nové materiály. Materiálová věda, která je základem moderních technologií, je dnes stále více poháněna simulacemi, daty a strojovým učením.

Umělá inteligence (AI) zásadně mění způsob, jakým jsou objevovány nové materiály. Materiálová věda, která je základem moderních technologií, je dnes stále více poháněna simulacemi, daty a strojovým učením. Joshua Young, senior aplikační vědec ve společnosti Matlantis, vysvětluje, že AI-akcelerované simulace pomáhají výzkumníkům prověřovat miliony potenciálních materiálů s bezprecedentní rychlostí.

AI nástroje se v současnosti spíše vrství na stávající pracovní postupy, než aby je zcela nahrazovaly. Mnoho výzkumníků kombinuje nové AI simulační nástroje s tradičními fyzikálně založenými metodami. Přibližně polovina týmů již používá AI-nativní simulační platformy v produkci, ačkoli tradiční metody stále tvoří většinu celkového objemu práce. AI tak koexistuje a doplňuje zavedené techniky, především pro urychlení specifických částí výzkumu.

Plně autonomní objevování materiálů je však stále několik let vzdálené, pravděpodobně tři až pět let. Hlavní překážkou je fragmentace dat – simulace produkují textové výstupy, zatímco experimenty generují obrazy, spektra a mikroskopická data. Integrace těchto různorodých datových toků do jediného uzavřeného systému je mimořádně náročná.

Navzdory pokroku automatizace zůstává lidská odbornost nezbytná. Young zdůrazňuje koncept „člověka ve smyčce“, kde lidská intuice a odborné znalosti jsou stále potřeba k interpretaci a provádění experimentů. Úplné odstranění lidí by pravděpodobně vedlo k horším výsledkům. Důvodem je i důvěra; pouze asi 14 % výzkumníků má velmi vysokou důvěru v AI systémy, což pramení z obav o kvalitu výstupů bez lidského dohledu.

Jedním z nejvýraznějších zjištění průzkumu Matlantis je ochota výzkumníků obětovat přesnost výměnou za rychlost. Až 73 % vědců by vyměnilo menší přesnost za stonásobně rychlejší výsledky. Pro specialisty to obvykle znamená akceptovat odchylky pěti až deseti milielektronvoltů na atom, což je dostatečně malá odchylka pro zachování smysluplných trendů. Tato ochota naznačuje, že průmysl se intenzivně zaměřuje na propustnost a screeningovou kapacitu nad absolutní dokonalostí. Rychlost je klíčová, neboť 94 % týmů muselo opustit simulační projekty kvůli časovým omezením.

AI-vylepšené simulace již přinášejí měřitelné úspory, v průměru kolem 109 000 dolarů na projekt, díky snížení počtu fyzických experimentů, nižším výpočetním nákladům a rychlejší iteraci. Například chemická společnost vyhodnotila 13 potenciálních vylepšení katalyzátorů za pouhých šest týdnů, což by konvenčními metodami trvalo dva až tři roky. V jiném případě vědci prověřili 32 milionů potenciálních materiálů pro pevné baterie za méně než týden, což by tradičně zabralo desetiletí, a prototyp baterie byl vyvinut za méně než devět měsíců.