In che modo l’intelligenza artificiale ci sta aiutando a scoprire i materiali più velocemente che mai ?
Possiamo prevedere quali composti possono creare materiali prima di mettere piede in un laboratorio
Per centinaia di anni, i nuovi materiali sono stati scoperti attraverso prove ed errori, o fortuna e serendipità. Ora, gli scienziati stanno usando l’intelligenza artificiale per accelerare il processo.
Recentemente, i ricercatori della Northwestern University hanno usato l’intelligenza artificiale per capire come creare nuovi ibridi metallo-vetro 200 volte più velocemente di quanto avrebbero fatto negli esperimenti in laboratorio. Altri scienziati stanno costruendo database di migliaia di composti in modo che gli algoritmi possano prevedere quali si combinano per formare nuovi interessanti materiali. Altri ancora stanno usando l’intelligenza artificiale per estrarre i documenti pubblicati per le “ricette” per realizzare questi materiali.
In passato, scienziati e costruttori hanno mescolato i materiali per vedere cosa si è formato. Questo è il modo in cui il cemento, ad esempio, è stato scoperto. Nel corso del tempo, hanno appreso le proprietà fisiche di vari composti, ma gran parte della conoscenza era ancora basata sull’intuizione. “Se hai chiesto perché il giapponese con l’acciaio Damasco è stato più bravo a fabbricare coltelli, nessuno potrebbe dirtelo”, dice James Warren , direttore del Materials Genome Initiative presso il National Institute of Standards and Technology . “Hanno appena avuto la consapevolezza di un artigiano della relazione tra quella struttura interna e la bellezza”.
Ora, invece di usare le conoscenze degli artigiani, possiamo usare database e calcoli per mappare rapidamente esattamente ciò che rende un materiale molto più forte o leggero – e questo ha il potenziale per rivoluzionare l’industria , secondo Warren. Il tempo che trascorre tra la scoperta di un materiale e l’integrazione in un prodotto come una batteria può essere più di 20 anni, aggiunge, e accelerare il processo è destinato a portarci a batterie e vetri migliori per i telefoni cellulari, leghe migliori per i razzi, e sensori migliori per dispositivi sanitari. “Qualsiasi cosa fatta di materia”, dice Warren, “possiamo migliorarla”.
Per capire come sono fatti i nuovi materiali, secondo Warren è utile pensare a uno scienziato dei materiali come un cuoco. Dì che hai le uova e sei dell’umore giusto per qualcosa di gommoso e sodo. Quelle sono le proprietà del piatto che vuoi, ma come ci si arriva? Per creare una struttura in cui sia il bianco sia il tuorlo siano solidi, è necessaria una ricetta che includa le istruzioni dettagliate per l’ elaborazione dell’uovo -e come cuocerlo oppure chiedere a mamma. La scienza dei materiali usa questi stessi concetti , a parte la mamma, : se uno scienziato vuole certe proprietà materiali (per esempio leggere e difficili da fratturare), cercherà le strutture fisiche e chimiche che creerebbero queste proprietà, e i processi – come la fusione o il metallo battente – che creerebbe queste strutture.
Database e calcoli possono aiutare a trovare risposte. “Facciamo calcoli di materiali quantistici a livello meccanico, calcoli abbastanza sofisticati da poter effettivamente prevedere le proprietà di un possibile nuovo materiale su un computer prima che sia mai fatto in un laboratorio”, afferma Chris Wolverton , scienziato dei materiali presso la Northwestern University che gestisce il database aperto dei materiali quantistici . (Altri importanti database includono il Progetto Materiali e il Cloud Materiali .) I database non sono completi, ma stanno crescendo e già ci stanno dando interessanti scoperte.
Nicola Marzari , ricercatore presso l’École Polytechnique Fédérale di Losanna, ha utilizzato un database per trovare materiali 3D che possono essere staccati per creare materiali 2D di un solo strato. Un esempio di questo è il grafene tanto pubblicizzato , che consiste in un singolo foglio di grafite, il materiale in una matita. Come il grafene, questi materiali 2D potrebbero avere proprietà straordinarie, come la forza, che non hanno nella loro forma 3D.
Il team di Marzari ha creato un algoritmo che ha setacciato le informazioni da diversi database. A partire da oltre 100.000 materiali, l’algoritmo alla fine ha trovato circa 2.000 materiali che potrebbero essere sfogliati in un unico strato, secondo il giornale Marzari pubblicato il mese scorso su Nature Nanotechnology . Marzari, che gestisce Materials Cloud, dice che questi materiali sono un “tesoro” perché molti hanno proprietà che potrebbero migliorare l’elettronica. Alcuni conducono l’elettricità molto bene, alcuni possono convertire il calore in acqua, altri assorbono energia dal Sole: potrebbero essere utili per i semiconduttori nei computer o nelle batterie, quindi il prossimo passo è quello di indagare più da vicino queste proprietà possibili.
Il lavoro di Marzari è un esempio di come gli scienziati stanno usando i database per prevedere quali composti potrebbero creare materiali nuovi ed eccitanti. Queste previsioni, tuttavia, devono ancora essere confermate in un laboratorio. E Marzari doveva ancora dire al suo algoritmo di seguire certe regole, come cercare legami chimici deboli. L’intelligenza artificiale può creare una scorciatoia: invece di programmare regole specifiche, gli scienziati possono dire all’IA quello che vogliono creare – come un materiale superstrong – e l’intelligenza artificiale dirà agli scienziati il miglior esperimento da eseguire per creare il nuovo materiale.
È così che Wolverton e il suo team della Northwestern hanno utilizzato l’intelligenza artificiale per un articolo pubblicato questo mese su Science Advances . I ricercatori erano interessati a creare nuovi occhiali metallici, più resistenti e meno rigidi di metallo o vetro e che un giorno potrebbero migliorare i telefoni e le navicelle spaziali .
Il metodo AI utilizzato è simile al modo in cui le persone imparano una nuova lingua, spiega la coautrice di studio Apurva Mehta, scienziato presso lo SLAC National Accelerator Laboratory della Stanford University. Un modo per imparare una lingua è sedersi e memorizzare tutte le regole della grammatica. “Ma un altro modo di apprendere è solo dall’esperienza e dall’ascolto di qualcun altro che parla”, dice Mehta. Il loro approccio era una combinazione. Innanzitutto, i ricercatori hanno esaminato i documenti pubblicati per trovare quanti più dati possibili su come sono stati realizzati diversi tipi di occhiali metallici. Successivamente, hanno alimentato queste “regole grammaticali” in un algoritmo di apprendimento automatico. L’algoritmo ha quindi imparato a fare le proprie previsioni su quale combinazione di elementi creerebbe una nuova forma di vetro metallico – simile a come qualcuno può migliorare il proprio francese andando in Francia invece di memorizzare infinitamente i grafici di coniugazione. Il team di Mehta ha quindi testato i suggerimenti del sistema in esperimenti di laboratorio.
Gli scienziati possono sintetizzare e testare migliaia di materiali alla volta. Ma anche a quella velocità, sarebbe una perdita di tempo per provare ciecamente ogni possibile combinazione. “Non possono semplicemente lanciare l’intero tavolo periodico sul loro equipaggiamento”, dice Wolverton, quindi il ruolo dell’IA è quello di “suggerire alcuni posti per loro per iniziare”. Il processo non era perfetto, e alcuni suggerimenti – come l’esatto rapporto degli elementi necessari – erano spenti, ma gli scienziati erano in grado di formare nuovi occhiali metallici. Inoltre, fare gli esperimenti significa che ora hanno ancora più dati da restituire all’algoritmo in modo che diventi sempre più intelligente e intelligente.
Un altro modo di usare l’intelligenza artificiale è creare un “libro di cucina” o una raccolta di ricette per i materiali. In due documenti pubblicati alla fine dello scorso anno, gli scienziati del MIT hanno sviluppato un sistema di apprendimento automatico che analizza i documenti accademici per capire quali includono le istruzioni per creare determinati materiali. È in grado di rilevare con una precisione del 99% quali paragrafi di un foglio includevano la “ricetta” e con l’86% di precisione le parole esatte in quel paragrafo.
Il team del MIT sta ora addestrando l’intelligenza artificiale ad essere ancora più accurata. Vorrebbero creare un database di queste ricette per la comunità scientifica in generale, ma devono collaborare con l’editore di questi documenti accademici per assicurarsi che la loro raccolta non violi alcun accordo. Alla fine, il team vuole anche insegnare al sistema a leggere i documenti e poi inventare nuove ricette da solo.
“Un obiettivo è scoprire metodi più efficienti ed economici per produrre materiali che già produciamo”, afferma la coautrice dello studio e scienziata dei materiali del MIT Elsa Olivetti. “Un altro è, ecco il composto che la scienza dei materiali computazionali ha previsto , possiamo quindi suggerire una serie di modi migliori per farlo?”
Il futuro dell’IA e della scienza dei materiali sembra promettente, ma le sfide restano. In primo luogo, i computer non possono semplicemente prevedere tutto. “Le previsioni stesse hanno errori e spesso lavorano su un modello semplificato di materiali che non tiene conto del mondo reale”, afferma Marzari dell’EPFL. Esistono tutti i tipi di fattori ambientali, come la temperatura e l’umidità, che influiscono sul comportamento dei composti. E la maggior parte dei modelli non può tenerne conto.
Un altro problema è che non disponiamo ancora di dati sufficienti su ogni composto, secondo Wolverton, e una mancanza di dati significa che gli algoritmi non sono molto intelligenti. Detto questo, lui e Mehta ora sono interessati a usare il loro metodo su altri tipi di materiali accanto al vetro metallico. E sperano che un giorno, non avrai bisogno di un umano per fare esperimenti, sarà solo IA e robot. “Possiamo creare un sistema completamente autonomo”, dice Wolverton, “senza alcun essere umano coinvolto”.