Una sovvenzione di quasi 4,9 milioni di dollari dall’US Army Engineer Research and Development Center (ERDC) sta sostenendo il progetto degli ingegneri dell’Università del Missouri
È passato più di un secolo da quando Thomas Edison ha sviluppato la prima lampadina elettrica, ma l’approccio tipico di Edison di “prove ed errori” per raggiungere la sua scoperta rimane ancora una parte importante delle invenzioni odierne. Ora, un team di ingegneri dell’Università del Missouri sta incarnando l’antico adagio di “lavorare in modo più intelligente, non più difficile” utilizzando l’intelligenza artificiale (AI).
Supportato da una sovvenzione biennale di 4,875 milioni di dollari dal Centro di ricerca e sviluppo per ingegneri dell’esercito degli Stati Uniti (ERDC), il team del MU College of Engineering , tra cui Derek T. Anderson e Matt Maschmann, stanno sviluppando un quadro teorico attorno all'”IA spiegabile ” per descrivere come la prossima generazione di intelligenza artificiale può essere integrata nel processo di innovazione per la progettazione di materiali nuovi ed esistenti, assicurando al contempo la fiducia degli esseri umani lungo il percorso.
Maschmann, professore associato di ingegneria meccanica e aerospaziale, conosce bene questo processo. Ad esempio, lavora con i nanotubi di carbonio dal 2003, ma Maschmann ha affermato che il loro pieno potenziale come materiale ingegneristico è lungi dall’essere realizzato. Lo stesso, ha detto, può essere vero per molti sistemi materiali. Pertanto, uno degli obiettivi del team MU è trovare un modo per accelerare il processo di scoperta aiutando a produrre materiali di migliore qualità in un periodo di tempo più breve.
Per fare ciò, il team sta iniziando a integrare l’intelligenza artificiale e l’apprendimento automatico nel processo, ha affermato Maschmann, la cui passione per lo sviluppo di materiali è iniziata nei primi anni 2000 durante la scuola di specializzazione.
“Una delle sfide più urgenti nello sviluppo di nuovi materiali, o nell’ottimizzazione dei materiali esistenti, è il tempo richiesto dalle fasi di elaborazione e caratterizzazione”, ha affermato Maschmann. “Fare scoperte richiede un bel po’ di tempo e denaro. Ad esempio, ogni fase di un processo può richiedere un giorno o più per essere completata. Pertanto, in un ambiente di laboratorio tradizionale, gli scienziati ripeteranno un processo più volte nel tentativo di ottenere una struttura o una proprietà specifica per un materiale guidato dall’intuizione e dalla conoscenza precedente. Tuttavia, se potessimo introdurre algoritmi di apprendimento automatico e intelligenza artificiale nel processo, potremmo ridurre drasticamente il tempo necessario per ottenere le proprietà dei materiali di interesse.
Mentre Maschmann si concentra sull’integrazione dell’IA e dell’apprendimento automatico nell’elaborazione dei materiali, Anderson, professore associato di ingegneria elettrica e informatica, sta lavorando al suo fianco per contribuire a rendere l’IA più intelligente determinando come integrare meglio la conoscenza umana nel mondo artificiale. Ad esempio, ha affermato Anderson, mentre scienziati materialisti, chimici e fisici hanno una vasta conoscenza del mondo fisico, la maggior parte dell’IA e dell’apprendimento automatico non condividono ancora lo stesso livello di intelligenza.
“Pertanto, stiamo esaminando come progettare la prossima generazione di intelligenza artificiale e apprendimento automatico per sfruttare le conoscenze esistenti delle persone”, ha affermato Anderson. “Quindi, vogliamo utilizzare questa conoscenza per far crescere in modo intelligente l’IA per poter progettare materiali più intelligenti. Sebbene i nostri sforzi si concentrino sul lato della “spiegabilità” e aiutino scienziati ed esperti del settore a capire come funzionano questi processi, speriamo di rendere l’IA più intelligente a vantaggio di tutti nel processo”.
