Исследователи из Массачусетского технологического института (MIT) разработали модель DiffSyn, которая предлагает рецепты для синтеза новых материалов. Это позволяет ускорить эксперименты и сократить путь от научной гипотезы до её практического применения.
Революция в синтезе материалов
Модель DiffSyn использует генеративный искусственный интеллект для того, чтобы предложить наиболее перспективные пути синтеза материалов. В недавнем исследовании она продемонстрировала высокую точность в предсказании эффективных методов синтеза для класса материалов, известных как цеолиты. Эти материалы могут улучшить процессы катализаторов, абсорбции и обмена ионами.
Следуя рекомендациям модели, команда MIT синтезировала новый цеолит, который показал улучшенную термостабильность. Это открытие может устранить ключевые препятствия в процессе открытия новых материалов.
Как работает DiffSyn
DiffSyn использует метод, известный как диффузионные модели. Это позволяет машине, подобно ChatGPT или DALL-E, преобразовывать случайный шум в значимую структуру. В данном случае, структура — это путь синтеза желаемого материала.
Когда ученый вводит структуру желаемого материала, модель предлагает комбинации температур, времени реакции и других параметров, которые могут привести к успешному синтезу. Таким образом, DiffSyn помогает ученым быстрее и точнее находить новые пути синтеза.
Преодоление сложности
Ранее модели машинного обучения связывали материал с одним рецептом. DiffSyn же обучена находить множество возможных путей синтеза для одного и того же материала, что ближе к реальности экспериментов.
Это открывает возможности для использования модели в других классах материалов, таких как металлоорганические каркасы и неорганические твердые тела. В будущем такие системы могут значительно ускорить процесс разработки материалов, интегрируясь с автономными экспериментами и анализируя обратную связь.
Это исследование поддержано MIT International Science and Technology Initiatives, Национальным научным фондом США и другими организациями.
