Najlon, Teflon, Kevlar. Ovo je samo nekoliko poznatih polimera — hemijskih jedinjenja velikih molekula — koji su promenili svet. Od tiganja obloženih teflonom do 3D štampanja, polimeri su od vitalnog značaja za stvaranje sistema koji čine da svet funkcioniše bolje.
Pronalaženje sledećeg revolucionarnog polimera je uvek izazov, ali sada istraživači Georgia Tech-a koriste veštačku inteligenciju (AI) da oblikuju i transformišu budućnost polja. Grupa Rampija Ramprasada razvija i prilagođava AI algoritme da ubrza otkrivanje materijala.
Ovog leta, dva rada objavljena u porodici časopisa Nature ističu značajne napretke i uspešne priče koje proizilaze iz godina istraživanja polimerne informatike vođene veštačkom inteligencijom.
Prvi, predstavljen u Nature Revievs Materials, prikazuje nedavna otkrića u dizajnu polimera u kritičnim i savremenim domenima primene: skladištenje energije, tehnologije filtracije i plastika koja se može reciklirati. Drugi, objavljen u Nature Communications, fokusira se na upotrebu AI algoritama za otkrivanje podklase polimera za skladištenje elektrostatičke energije, sa dizajniranim materijalima koji prolaze uspešnu laboratorijsku sintezu i testiranje.
„U ranim danima veštačke inteligencije u nauci o materijalima, koju je pokrenula Inicijativa za genom materijala Bele kuće pre više od jedne decenije, istraživanja u ovoj oblasti su uglavnom bila vođena radoznalošću“, rekao je Ramprasad, profesor na Fakultetu za materijalne nauke i inženjerstvo.
„Tek poslednjih godina počeli smo da vidimo opipljive priče o uspehu u stvarnom svetu u ubrzanom otkrivanju polimera vođenom veštačkom inteligencijom. Ovi uspesi sada inspirišu značajne transformacije u oblasti istraživanja i razvoja industrijskih materijala. To je ono što ovaj pregled čini tako značajnim i blagovremenim.“
Ramprasadov tim je razvio revolucionarne algoritme koji mogu trenutno da predvide svojstva i formulacije polimera pre nego što se fizički kreiraju. Proces počinje definisanjem ciljnog svojstva ili kriterijuma performansi specifičnih za aplikaciju.
Modeli mašinskog učenja (ML) se obučavaju na postojećim podacima o materijalnim svojstvima da bi predvideli ove željene ishode. Pored toga, tim može da generiše nove polimere, čija se svojstva predviđaju pomoću ML modela.
Najbolji kandidati koji ispunjavaju kriterijume ciljanih svojstava se zatim biraju za validaciju u stvarnom svetu kroz laboratorijsku sintezu i testiranje. Rezultati ovih novih eksperimenata su integrisani sa originalnim podacima, dodatno usavršavajući modele predviđanja u kontinuiranom, iterativnom procesu.
Iako veštačka inteligencija može da ubrza otkrivanje novih polimera, ona takođe predstavlja jedinstvene izazove. Tačnost predviđanja veštačke inteligencije zavisi od dostupnosti bogatih, raznovrsnih, obimnih početnih skupova podataka, što kvalitet podataka čini najvažnijim. Pored toga, dizajniranje algoritama sposobnih da generišu hemijski realne polimere koji se mogu sintetizovati je složen zadatak.
Pravi izazov počinje nakon što algoritmi daju svoja predviđanja: dokazivanje da se dizajnirani materijali mogu napraviti u laboratoriji i funkcionisati kako se očekuje, a zatim demonstrirati njihovu skalabilnost izvan laboratorije za upotrebu u stvarnom svetu.
Ramprasadova grupa dizajnira ove materijale, dok njihovu proizvodnju, obradu i testiranje sprovode saradnici u različitim institucijama, uključujući Georgia Tech. Profesor Rajan Lajvli sa Škole za hemijsko i biomolekularno inženjerstvo često sarađuje sa Ramprasadovom grupom i koautor je rada objavljenog u Nature Revievs Materials.
„U našem svakodnevnom istraživanju mi u velikoj meri koristimo modele mašinskog učenja koje je Rampijev tim razvio“, rekao je Lajvli.
„Ovi alati ubrzavaju naš rad i omogućavaju nam da brzo istražujemo nove ideje. Ovo oličava obećanje ML i AI jer možemo da donosimo odluke vođene modelom pre nego što posvetimo vreme i resurse da istražimo koncepte u laboratoriji.“
Koristeći veštačku inteligenciju, Ramprasadov tim i njihovi saradnici su napravili značajan napredak u različitim oblastima, uključujući skladištenje energije, tehnologije filtracije, proizvodnju aditiva i materijale koji se mogu reciklirati.
Jedan značajan uspeh, opisan u dokumentu Nature Communications, uključuje dizajn novih polimera za kondenzatore, koji skladište elektrostatičku energiju. Ovi uređaji su vitalne komponente u električnim i hibridnim vozilima, između ostalih aplikacija. Ramprasadova grupa je radila sa istraživačima sa Univerziteta u Konektikatu.
Trenutni kondenzatorski polimeri nude ili visoku gustinu energije ili termičku stabilnost, ali ne oboje. Korišćenjem AI alata, istraživači su utvrdili da izolacioni materijali napravljeni od polinorbornena i poliimidnih polimera mogu istovremeno postići visoku gustinu energije i visoku termičku stabilnost.
Polimeri se mogu dodatno poboljšati da funkcionišu u zahtevnim okruženjima, kao što su primene u vazduhoplovstvu, uz održavanje održivosti životne sredine.
„Nova klasa polimera sa visokom gustinom energije i visokom termičkom stabilnošću jedan je od najkonkretnijih primera kako veštačka inteligencija može da vodi otkrivanje materijala“, rekao je Ramprasad. „To je takođe rezultat višegodišnjeg multidisciplinarnog zajedničkog rada sa Gregom Sotzingom i Jang Caom na Univerzitetu Konektikat i kontinuiranog sponzorstva Kancelarije za pomorska istraživanja.
Potencijal za prevođenje razvoja materijala uz pomoć veštačke inteligencije u stvarnom svetu je naglašen učešćem industrije u članku Nature Revievs Materials. Koautori ovog rada su i naučnici iz Toiotinog istraživačkog instituta i General Electric-a.
Da bi dodatno ubrzao usvajanje razvoja materijala vođenih veštačkom inteligencijom u industriji, Ramprasad je suosnivao Matmerize Inc, softversku kompaniju koja se nedavno izdvojila iz Georgia Tech-a. Njihov softver za informatiku polimera zasnovan na oblaku već koriste kompanije u različitim sektorima, uključujući energetiku, elektroniku, potrošačke proizvode, hemijsku obradu i održive materijale.
„Matmerize je transformisao naše istraživanje u robusno, svestrano i industrijsko rešenje, omogućavajući korisnicima da dizajniraju materijale virtuelno sa povećanom efikasnošću i smanjenom cenom“, rekao je Ramprasad.
„Ono što je počelo kao radoznalost dobilo je značajan zamah, a mi ulazimo u uzbudljivu novu eru materijala po dizajnu.“
