Cách trí tuệ nhân tạo và các phòng thí nghiệm dựa trên dữ liệu đang tạo ra thế hệ vật liệu tiếp theo

Bài viết thảo luận về cách trí tuệ nhân tạo (AI) và các phòng thí nghiệm dựa trên dữ liệu đang cách mạng hóa việc khám phá vật liệu bằng cách biến nó thành một thách thức kỹ thuật tính toán. Các phương pháp truyền thống, dựa trên thử nghiệm chậm chạp và theo kiểu thử-và-sai, chỉ mới khám phá được một phần rất nhỏ trong vô số các kết hợp có thể của các nguyên tố và hợp chất. Các mô hình AI, như GNoME của Google DeepMind, đã dự đoán hàng triệu cấu trúc tinh thể mới và các vật liệu tiềm năng, bao gồm hàng nghìn vật liệu tương tự graphene và nhiều chất điện giải cho pin. Tuy nhiên, trong khi AI có thể nhanh chóng tạo ra các ứng viên triển vọng, việc tổng hợp thực tế, thử nghiệm và mở rộng quy mô các vật liệu này vẫn đòi hỏi nỗ lực kỹ thuật thực tiễn, làm nổi bật sự hợp tác giữa dự đoán tính toán và xác nhận thực nghiệm. Bài viết nhấn mạnh rằng các phương pháp dựa trên AI, bao gồm các phòng thí nghiệm tự động và mạng tạo sinh dựa trên vật lý, cho phép khám phá có mục tiêu và hiệu quả hơn trong không gian thiết kế vật liệu rộng lớn. Ví dụ, các phòng thí nghiệm tự động đã tạo ra hàng chục hợp chất mới chỉ trong vài tuần, được hướng dẫn bởi các mô hình AI ưu tiên các thí nghiệm có khả năng thành công cao nhất. Các kỹ thuật như tối ưu hóa Bayesian giúp các nhà nghiên cứu lựa chọn những ứng viên hứa hẹn nhất.