Генеративные модели искусственного интеллекта стали мощным инструментом в арсенале ученых, занимающихся синтезом новых материалов. Исследователи из MIT разработали модель DiffSyn, которая предлагает рецепты для создания новых материалов, ускоряя эксперименты и сокращая путь от гипотезы до практического применения.
Зачем нужен генеративный ИИ в синтезе материалов?
В современном мире, где требования к новым материалам постоянно растут, создание сложных материалов становится все более актуальной задачей. **Материалы синтез** — это не просто следование рецепту, как на кухне. Различные параметры, такие как температура и длительность обработки, могут кардинально изменить свойства материала. Это ограничивает возможности ученых тестировать множество перспективных материалов, сгенерированных моделями.
Модель DiffSyn, разработанная в MIT, помогает ученым в этом процессе, предлагая перспективные маршруты синтеза. В недавней работе исследователи показали, что модель демонстрирует высокую точность в предсказании эффективных путей синтеза для класса материалов, называемых цеолитами, которые могут использоваться для улучшения процессов катализиса, абсорбции и ионного обмена.
Как работает DiffSyn?
Модель DiffSyn использует подход в ИИ, известный как диффузия. Это похоже на то, как работает генерация изображений в моделях, таких как DALL-E. На вход подается структура материала, а на выходе модель предлагает комбинации температур реакций, времени реакции, соотношений прекурсоров и других факторов.
DiffSyn была обучена на более чем 23 000 рецептов синтеза материалов, описанных в научных статьях за последние 50 лет. В процессе обучения исследователи добавляли случайные «шумы» в рецепты, и модель обучалась устранять их, находя перспективные маршруты синтеза.
Пример использования: цеолиты
Тестируя свою систему, исследователи использовали DiffSyn для предложения новых путей синтеза для цеолита — материала, который является сложным и требует времени для формирования в тестируемый материал. Синтезируя новый цеолит по предложенным путям, они обнаружили, что материал обладает улучшенной термической стабильностью.
Перспективы и вызовы
Использование генеративного ИИ, такого как DiffSyn, может устранить самое большое препятствие в процессе открытия новых материалов. Это подход, который может быть расширен на другие материалы, включая металлоорганические каркасы, неорганические твердые вещества и другие материалы с несколькими возможными путями синтеза.
Однако, как признают исследователи, будущий вызов заключается в поиске качественных данных для различных классов материалов. Их конечная цель — интеграция интеллектуальных систем с автономными экспериментами в реальном мире для значительного ускорения процесса проектирования материалов.
Поддержка этой работы была оказана MIT International Science and Technology Initiatives, Национальным научным фондом, Generalitat Vaslenciana, Управлением военно-морских исследований, ExxonMobil и Агентством по науке, технологии и исследованиям в Сингапуре.
