Napredni materijali postaju sve složeniji zbog visokih zahteva koje moraju da ispune u pogledu održivosti i primenljivosti. Dierk Raabe i kolege su pregledali upotrebu veštačke inteligencije u nauci o materijalima i neiskorišćene prostore koje ona otvara ako se kombinuju sa simulacijama zasnovanim na fizici. U poređenju sa tradicionalnim metodama simulacije AI ima nekoliko prednosti i igraće ključnu ulogu za nauke o materijalima u budućnosti.
Napredni materijali su hitno potrebni za svakodnevni život, bilo da se radi o visokoj tehnologiji, mobilnosti, infrastrukturi, zelenoj energiji ili medicini. Međutim, tradicionalni načini otkrivanja i istraživanja novih materijala nailaze na ograničenja zbog složenosti hemijskih sastava, struktura i ciljanih svojstava. Štaviše, novi materijali ne samo da bi trebalo da omoguće nove primene, već i da uključuju održive načine njihove proizvodnje, upotrebe i recikliranja.
Istraživači sa Mak-Planck-Instituta fur Eisenforschung (MPIE) pregledali su status modeliranja zasnovanog na fizici i razgovarali o tome kako kombinovanje ovih pristupa sa veštačkom inteligencijom može otvoriti još neiskorišćene prostore za dizajn složenih materijala. Svoju perspektivu su objavili u časopisu Nature Computational Science.
Da bi se zadovoljili zahtevi tehnoloških i ekoloških izazova, moraju se uzeti u obzir sve zahtevnija i višestruka svojstva materijala, što stvara legure složenije u smislu sastava, sinteze, obrade i reciklaže. Promene ovih parametara podrazumevaju promene u njihovoj mikrostrukturi, što direktno utiče na svojstva materijala. Pristupi projektovanju računarskih materijala ovde igraju ključnu ulogu.
„Naša sredstva za projektovanje novih materijala danas se oslanjaju isključivo na simulacije i eksperimente zasnovane na fizici. Ovaj pristup može doživeti određena ograničenja kada je u pitanju kvantitativno predviđanje visokodimenzionalnih faznih ravnoteža, a posebno nastalih neravnotežnih mikrostruktura i svojstava. Štaviše. , mnogi modeli koji se odnose na mikrostrukturu i svojstva koriste pojednostavljene aproksimacije i oslanjaju se na veliki broj varijabli. Međutim, ostaje pitanje da li i kako ovi stepeni slobode i dalje mogu da pokriju složenost materijala“, objašnjava profesor Dierk Raabe, direktor u MPIE i prvi autor publikacije.
U radu se porede simulacije zasnovane na fizici, kao što su molekularna dinamika i ab initio simulacije, sa modeliranjem zasnovanim na deskriptorima i naprednim pristupima veštačke inteligencije. Dok su simulacije zasnovane na fizici često preskupe za predviđanje materijala sa složenim sastavima, upotreba veštačke inteligencije (AI) ima nekoliko prednosti.
„AI je sposoban da automatski izvuče termodinamičke i mikrostrukturne karakteristike iz velikih skupova podataka dobijenih iz elektronskih, atomističkih i kontinualnih simulacija sa visokom prediktivnom snagom“, kaže profesor Jorg Nojgebauer, direktor u MPIE i koautor publikacije.
Kako prediktivna moć veštačke inteligencije zavisi od dostupnosti velikih skupova podataka, potrebni su načini za prevazilaženje ove prepreke. Jedna od mogućnosti je korišćenje aktivnih ciklusa učenja, gde se modeli mašinskog učenja obučavaju sa inicijalno malim podskupovima označenih podataka. Predviđanja modela se zatim pregledavaju od strane jedinice za označavanje koja vraća visokokvalitetne podatke nazad u skup označenih zapisa i model mašinskog učenja se ponovo pokreće. Ovaj pristup korak po korak dovodi do konačnog skupa podataka visokog kvaliteta koji se može koristiti za tačna predviđanja.
Još uvek postoje mnoga otvorena pitanja za korišćenje veštačke inteligencije u nauci o materijalima: Kako rukovati retkim i bučnim podacima. Kako uzeti u obzir interesantne izuzetke ili „neprilagođene“. Kako implementirati neželjeni elementarni upad iz sinteze ili recikliranja. Međutim, kada je u pitanju projektovanje kompoziciono složenih legura, veštačka inteligencija će igrati značajniju ulogu u bliskoj budućnosti, posebno sa razvojem algoritama i dostupnošću skupova visokokvalitetnih materijala i računarskih resursa visokih performansi.
