افتح ملخص المحرر مجانًا
رولا خلف، محررة الفايننشال تايمز، تختار قصصها المفضلة في هذه النشرة الأسبوعية.
اكتشف باحثو Google DeepMind 2.2 مليون بنية بلورية تفتح آفاق التقدم المحتمل في مجالات تتراوح من الطاقة المتجددة إلى الحوسبة المتقدمة، وتُظهر قوة الذكاء الاصطناعي في اكتشاف مواد جديدة.
إن مجموعة التركيبات المستقرة نظريًا، ولكن غير المحققة تجريبيًا والتي تم تحديدها باستخدام أداة الذكاء الاصطناعي المعروفة باسم GNoME، أكبر بأكثر من 45 مرة من عدد هذه المواد المكتشفة في تاريخ العلم، وفقًا لورقة بحثية نُشرت في مجلة Nature يوم الأربعاء.
ويخطط الباحثون لجعل 381000 من الهياكل الواعدة متاحة لزملائهم العلماء لتصنيع واختبار قابليتها للحياة في مجالات من الخلايا الشمسية إلى الموصلات الفائقة. يسلط هذا المشروع الضوء على كيف أن تسخير الذكاء الاصطناعي يمكن أن يختصر سنوات من الكسب غير المشروع التجريبي، وربما يقدم منتجات وعمليات محسنة.
قال إيكين دوجوس كوبوك، المؤلف المشارك في الدراسة: “علم المواد بالنسبة لي هو في الأساس حيث يلتقي الفكر المجرد بالكون المادي”. “من الصعب أن نتخيل أي تكنولوجيا لا يمكن أن تتحسن بوجود مواد أفضل فيها.”
شرع الباحثون في الكشف عن بلورات جديدة لإضافتها إلى الـ 48000 التي حسبوا أنها تم تحديدها مسبقًا. وتتراوح المواد المعروفة من تلك المعروفة منذ آلاف السنين، مثل البرونز والحديد، إلى الاكتشافات الأحدث بكثير.
حدد فريق DeepMind مواد جديدة باستخدام التعلم الآلي لإنشاء الهياكل المرشحة أولاً ثم قياس استقرارها المحتمل. عدد المواد التي تم العثور عليها يعادل ما يقرب من 800 عام من المعرفة المكتسبة تجريبيًا، وفقًا لتقديرات DeepMind، بناءً على 28000 مادة مستقرة تم اكتشافها خلال العقد الماضي.
تقول ورقة Nature: “من الرقائق الدقيقة إلى البطاريات والخلايا الكهروضوئية، واجه اكتشاف البلورات غير العضوية اختناقًا بسبب أساليب التجربة والخطأ الباهظة الثمن”. “إن عملنا يمثل توسعًا هائلاً في المواد المستقرة التي عرفتها البشرية.”
وقال كوبوك إن هناك تطبيقين محتملين للمركبات الجديدة، وهما اختراع مواد متعددة الطبقات وتطوير الحوسبة العصبية، التي تستخدم الرقائق لتعكس عمل الدماغ البشري.
وقد استخدم باحثون من جامعة كاليفورنيا، بيركلي ومختبر لورانس بيركلي الوطني النتائج بالفعل كجزء من الجهود التجريبية لإنشاء مواد جديدة، وفقًا لورقة أخرى نُشرت في مجلة Nature يوم الأربعاء.
استخدم الفريق العمليات الحسابية والبيانات التاريخية والتعلم الآلي لتوجيه مختبر مستقل، يُعرف باسم A-lab، لإنشاء 41 مركبًا جديدًا من قائمة مستهدفة مكونة من 58 مركبًا – وهو معدل نجاح يزيد عن 70 في المائة.
وقال جيربراند سيدر، المؤلف المشارك في الدراسة والأستاذ في الجامعة، إن نسبة النجاح العالية كانت مفاجئة ويمكن تحسينها بشكل أكبر. وأضاف أن مفتاح التحسينات هو كيفية دمج تقنيات الذكاء الاصطناعي مع المصادر الموجودة مثل مجموعة كبيرة من البيانات من التفاعلات التوليفية السابقة.
وقال: “في حين أن الروبوتات في المختبر A رائعة، فإن الابتكار الحقيقي هو دمج مصادر مختلفة للمعرفة والبيانات مع المختبر A من أجل دفع عملية التوليف بذكاء”.
قال بيلج يلديز، الأستاذ بمعهد ماساتشوستس للتكنولوجيا، والذي لم يشارك في أي من البحثين، إن التقنيات الموضحة في ورقتي Nature ستمكن من تحديد المواد الجديدة “بالسرعات اللازمة لمواجهة التحديات الكبرى التي يواجهها العالم”.
وقال يلدز، الذي يعمل في أقسام علوم وهندسة المواد في معهد ماساتشوستس للتكنولوجيا، والعلوم والهندسة النووية: “يجب أن تكون قاعدة البيانات الموسعة للبلورات غير العضوية هذه مليئة بـ “الأحجار الكريمة” التي سيتم الكشف عنها، من أجل تطوير حلول الطاقة النظيفة والتحديات البيئية”.
وأضافت أن الأوراق البحثية تمثل “تقدمًا مثيرًا للغاية” آخر في السعي للحصول على “مواد بسرعات تفوق بكثير مناهج التوليف التجريبية التقليدية”.
