Umělá inteligence zrychluje objevování katalyzátorů: Předpověď výkonu před výrobou

Velké modely umělé inteligence (AI) revolučně mění objevování a design nových materiálů. Tohoku University představuje, jak AI modely předpovídají výkon katalyzátorů před jejich syntézou, což urychluje inovace v čisté energii a udržitelných technologiích.

Vědci z Tohoku University představili novou strategii pro objevování katalyzátorů, která využívá velké modely umělé inteligence (AI). Tyto modely dokáží předpovědět výkon katalyzátorů ještě před jejich samotnou výrobou, což výrazně zrychluje inovace v oblasti čisté energie a udržitelných technologií.

AI v objevování materiálů

Umělá inteligence transformuje způsob, jakým vědci objevují a navrhují nové materiály. Velké AI modely, kombinované s rozsáhlými databázemi katalyzátorů, umožňují prozkoumávat obrovské chemické prostory a předvídat katalytický výkon. Tento přístup je klíčový pro procesy od palivových článků po kontrolu znečištění a výrobu vodíku.

Nová strategie s MLIPs a LLMs

Nová strategie spočívá v integraci velkých, kvalitních databází katalyzátorů s pokročilými nástroji AI, jako jsou univerzální strojové učení interatomárních potenciálů (MLIPs) a velké jazykové modely (LLMs). MLIPs umožňují rychlé a přesné simulace chování atomů, zatímco LLMs analyzují vědeckou literaturu a pomáhají navrhovat nové výzkumné směry. Tyto nástroje propojují vědecké koncepty, výpočetní modelování a experimentální ověřování do jednotného, daty řízeného pracovního postupu.

Zrychlení výzkumu a budoucí vize

Tento integrovaný přístup výrazně zrychluje objevování. Místo testování jednoho materiálu po druhém mohou výzkumníci provádět rozsáhlé simulace, efektivně sbírat a trénovat data a rychle předvídat nejslibnější návrhy katalyzátorů. Vědci předpokládají plně integrované, AI-poháněné platformy s uzavřenou smyčkou, kde predikce, syntéza, testování a učení probíhají v nepřetržitém zpětnovazebním cyklu. Tento přístup by mohl dramaticky snížit plýtvání časem a materiály a zvýšit pravděpodobnost průlomových objevů. Výzkumníci plánují rozšířit tyto strategie i na další oblasti materiálové vědy, jako jsou baterie a materiály pro skladování vodíku.