В поисках идеального материала

В мире, где наука постоянно ищет идеальные материалы для разработки все более совершенных технологий, первую скрипку начинает играть искусственный интеллект. Анализ существующий материалов, поиск самых удачных их сочетаний, эксперименты с миллионами химических реакций – то, что у человека заняло бы десятилетия, современные модели ИИ делают за часы. Неудивительно, что появляется все больше стартапов, которые используют искусственный интеллект для научных открытий. О некоторых из них рассказывает статья журнала The Economist.

Учёные, которые ищут способы дешёвого и эффективного удаления углекислого газа из воздуха, давно заинтересовались металлоорганическими каркасами (MOF) – молекулами, которые напоминают губки. Их можно настроить так, чтобы они захватывали CO2, а потом при необходимости выпускали его обратно.

MOF-материалы, состоящие из ионов металлов, связанных углеродсодержащими соединениями, могут принимать массу разных форм, каждая из которых имеет свои особенности. Например, MOF, который хорошо поглощает CO2 во влажном прибрежном климате, будет отличаться от того, что работает в сухом высокогорье. Перебирать миллиарды таких вариантов, чтобы найти идеальный для конкретной задачи, – задача, почти невозможная для человека, но идеальная для искусственного интеллекта.

Один из стартапов, работающих над такой системой, – CuspAI. Они используют несколько моделей ИИ одновременно: одни генерируют молекулы-кандидаты с нужными свойствами, а другие оценивают их характеристики с помощью специально обученной базовой модели. Цель CuspAI – не просто найти подходящий MOF, а создать систему, которая сможет подобрать идеальный материал для любых условий. А ещё они хотят показать, что ИИ может стать решением для множества проблем в области материаловедения. В будущем это может привести к созданию более эффективных аккумуляторов, экологичного биопластика, мощных полупроводников и даже сверхпроводников, работающих при комнатной температуре – всё это может стать реальностью очень скоро.

Это не просто мечта, а вполне достижимая реальность. В докладе, который был представлен на конференции в ноябре 2024 года, Эйдан Тонер-Роджерс, аспирант по экономике в MIT, изучил, как новый инструмент ИИ влияет на производительность исследователей в одной американской компании, название которой не раскрывается. В ходе поэтапного внедрения трех разных инструментов ИИ доступ к ним получили более тысячи учёных. Для Тонер-Роджерса это стало своеобразным экспериментом, который бы помог понять, насколько сильно влияет внедрение современных технологий в науку. Результаты оказались потрясающими: количество открытых материалов увеличилось на 44 %, количество прототипов продуктов, использующих эти материалы, выросло на 17 %, а число поданных патентов увеличилось на 39 %.



Но, как отмечает голландский инженер-химик Айке ван Вугт, независимо от того, используете ли вы модели ИИ или нет, разработка материалов остаётся настоящей «головной болью». Некоторые проблемы связаны с техническими трудностями: для производства новых материалов часто требуются специализированные мощности, которые могут быстро выпускать большие объёмы продукции. Другие проблемы – финансового характера: компании, работающие на ранних этапах исследований и разработок, зачастую просто не могут монетизировать свои открытия.

Другие отрасли уже прошли этот путь. Стеф ван Грикен, соучредитель лаборатории искусственного интеллекта Cradle с офисами в Амстердаме и Цюрихе, называет фармацевтическую индустрию «частными инвестициями, прикреплёнными к лабораториям». Хотя клинические испытания новых препаратов могут быть сложными, они привлекают инвестиции, которые помогают сбалансировать риски и прибыль, направляя ресурсы обратно к исследователям. В отличие от фармацевтов учёные-материаловеды не могут себе позволить такую роскошь: они вынуждены самим продумывать, как тестировать, производить и продавать свои разработки.

Но это не останавливает CuspAI. Компания стремится создать платформу, которая будет разрабатывать материалы по заказу, а тестирование и производство оставит крупным компаниям с лабораториями и соответствующими производственными мощностями.

ГОНКА ЗА MOF

Лондонская компания Orbital Materials также использует ИИ для создания MOF. Для этого они даже создали собственную модель ИИ с нуля. Для ее обучения исследователи не стали собирать огромное количество данных, а просто сгенерировали их на суперкомпьютерах , рассказывает Джонатан Годвин, бывший исследователь Google DeepMind и соучредитель компании.

В итоге были получены сотни миллионов смоделированных химических реакций, каждое из которых, в свою очередь, состоит всего из пары сотен «токенов» – упрощенных химических реакций из школьных учебников. Это значительно меньше данных, чем нужно для обучения большой языковой модели, но, как надеется Годвин, вполне достаточных для создания компактной и эффективной модели, способной точно предсказывать химические взаимодействия.



В декабре они заключили сделку с Amazon Web Services – одно из их изобретений будет использоваться в центре обработки данных, где в химической реакции, удаляющей CO2 из воздуха, будет использоваться тепло от системы воздушного охлаждения. Цель – сделать центр углеродно нейтральным, тратя всего 20 центов в час на один чип. Если всё получится, Orbital сможет превратить своё изобретение, созданное ИИ, в реальный, работающий продукт быстрее, чем многие компании в той же передовой фармацевтической сфере.

Другие компании тоже пытаются полностью автоматизировать работу лабораторий, и мистер Ван Вугт, инженер-химик, – один из них. Его стартап VSParticle предлагает своего рода наноразмерный 3D-принтер, который с помощью метода искровой абляции создаёт тонкую плёнку из новых материалов, нанося её по уникальному для каждого материала «рецепту» по одной наночастице за раз. Такие плёнки можно использовать в батареях или в качестве катализаторов.

Если этот метод станет широко распространённым, утверждает Ван Вугт, учёным-материаловедам не придётся больше ломать голову над тем, как физически создать нужный материал. Вместо этого они смогут просто отправить рецепт в лабораторию VSParticle по электронной почте и дождаться, пока нужный продукт будет «напечатан» на одном из автоматизированных станков компании.

Автоматизация в науке продолжает делать шаги вперёд. В 2023 году учёные из Массачусетского технологического института показали, как робот с ИИ может не только предсказывать, но и создавать, а затем анализировать почти 300 новых химических красителей. Это привело к созданию девяти красителей, которые идеально подходят для биомедицинской визуализации.



Макс Уэллинг, соучредитель CuspAI, считает, что использование комбинации ИИ и робототехники для синтеза новых материалов – это огромный шаг вперёд. Однако он предостерегает: «Рецепты очень привередливы». Даже небольшие изменения в условиях, таких как влажность или качество воздуха, могут полностью разрушить шансы лаборатории на получение нужного результата. Это особенно важно для лабораторий, управляемых роботами, так как часто возникают сомнения в точности их работы.

В 2023 году исследователи из автоматизированной лаборатории A-Lab при Национальной лаборатории имени Лоуренса в Беркли заявили, что создали 41 новый материал, используя данные от Google DeepMind и проекта Materials Project, который моделирует свойства всех неорганических материалов. Это было очень громкое заявление, но некоторые химики усомнились, что было создано действительно что-то новое, поскольку так и осталось непонятным, насколько смоделированные моделью ИИ свойства соответствовали реальным физическим материалам. Тем не менее команда A-Lab уверена в своём подходе.

На данный момент есть основания для осторожного оптимизма. В ноябре 2024 года технологический гигант Meta* объявил о партнёрстве с VSParticle и Университетом Торонто, в рамках которого будут выделены средства на создание, анализ и оцифровку более 500 экспериментальных электрокатализаторов – материалов, которые могут сыграть ключевую роль в разработке аккумуляторов нового поколения. Ларри Зитник, директор по исследованиям в подразделении ИИ Meta*, отметил, что крупные центры обработки данных компании не всегда работают на полную мощность. Поэтому свободные вычислительные мощности было решено направить на моделирование этих электрокатализаторов.

Для Чада Эдвардса, ещё одного основателя CuspAI, речь идет не только о создании нового материала для улавливания углерода. Если его компания добьётся успеха, это станет доказательством того, что искусственный интеллект действительно может сыграть важную роль в науке и внести значимый вклад в решение глобальных проблем.

---

Перевод Марии Седневой

*Компания Meta признана экстремистской организацией, деятельность которой запрещена в РФ.

Иллюстрация: «За рубежом», Midjourney