Új generatív MI segíti a bonyolult anyagok gyorsabb előállítását

A mesterséges intelligencia rohamos fejlődése új távlatokat nyit a tudományban, többek között az anyagkutatásban is. Az MIT kutatóinak legújabb fejlesztése egy olyan generatív MI-modell, amely nem csupán elméleti javaslatokat ad, hanem konkrét útmutatást nyújt az összetett anyagok előállításához. Ez a megoldás jelentősen lerövidítheti a laboratóriumi kísérletek hosszú és időigényes folyamatát, ami eddig komoly akadályt jelentett az új anyagok felfedezésében és alkalmazásában.

Az anyagszintézis kihívásai

Az anyagok előállítása nem olyan egyszerű, mint egy recept követése a konyhában. A hőmérséklet, a reakcióidő vagy az összetevők aránya drasztikusan befolyásolja az anyag végső tulajdonságait. Ezért a kutatók korábban csak korlátozott számú anyag szintézisét tudták kipróbálni, hiszen a próbálkozások lineáris, egyparaméteres változtatásokkal zajlottak, ami rendkívül időigényes folyamat. A generatív MI segítségével viszont több ezer lehetséges receptet lehet másodpercek alatt végigfuttatni és értékelni, így sokkal hatékonyabbá válik a kísérletezés.

DiffSyn: az anyagok „sütésének” mestere

Az MIT kutatócsoportja által kifejlesztett DiffSyn nevű modell egy diffúziós alapú generatív MI, amelyet több mint 23 000 anyagszintézis-recept ötven év tudományos irodalmából tanítottak be. Ez a modell nemcsak egyetlen receptet javasol egy adott anyaghoz, hanem számos lehetséges útvonalat kínál, amelyek közül a kutatók kiválaszthatják a legmegfelelőbbet. „Ha elképzelünk egy tortát, amit szeretnénk megsütni, a DiffSyn megmondja, hogyan készíthetjük el azt a legjobb recept alapján” – magyarázza Elton Pan, a kutatás vezetője.

A modell különösen hatékony a komplex szintézist igénylő zeolitok esetében, amelyek kristályosodása napokig vagy akár hetekig is eltarthat. A DiffSyn által javasolt szintézisutakat követve a kutatók egy új, hőstabilabb zeolitot állítottak elő, amely jó eséllyel alkalmazható katalízisben és ioncserében.

Több út vezet a megoldáshoz

Eddig a gépi tanulási modellek egy anyaghoz egyetlen szintézisreceptet rendeltek, ami nem tükrözte a laboratóriumi valóságot, ahol többféle útvonal is létezik a sikeres előállításhoz. A DiffSyn ezt a korlátot áttörve egy anyaghoz több alternatív szintézismegoldást ad, így a kutatók rugalmasabban és gyorsabban kísérletezhetnek. Ez a „több az egyhez” megközelítés jelentős előrelépést hozott az anyagtervezésben és -gyártásban.

Jövőbeli lehetőségek

A kutatók szerint a DiffSyn módszerét más anyagcsaládokra is ki lehet terjeszteni, például fém-organikus keretekre vagy különféle szervetlen anyagokra, amelyek szintén többféle szintézisúton előállíthatók. Ez az új eszköz nemcsak az anyagkutatás sebességét növelheti, hanem a fenntarthatóbb, hatékonyabb gyártási technológiák kifejlesztését is elősegítheti. Az MIT cikkében részletesen olvasható a DiffSyn működése és eredményei, amelyek a tudományos világban is nagy visszhangot keltettek.