Штучний інтелект у пошуках суперпровідників: нові методи MIT та Samsung для матеріалознавства

Чи може штучний інтелект допомогти винайти наступний суперпровідник? Дослідники з MIT і Samsung думають, що так.

Уявіть собі, що система ШІ може запропонувати рецепт нового матеріалу, який проводить електрику без жодного опору при кімнатній температурі — святе святе для квантових обчислень та електромереж наступного покоління.

Це обіцянка, до якої наближаються дослідники за допомогою нових інструментів, що пов`язують великі мовні моделі з законами фізики, забезпечуючи, щоб їхні пропозиції не лише виглядали переконливими у тексті, а й дійсно підтверджувалися в лабораторії.

В MIT вчені представилиSCIGEN, структуру, розроблену для того, щоб направити генеративний ШІ на створення матеріалів з екзотичними властивостями. Ця система може запропонувати кандидати-сполуки, які, наприклад, можуть демонструвати топологічні фази, незвичну магнітну поведінку або суперпровідність при вищих температурах, ніж відомі сьогодні матеріали. На відміну від традиційних підходів ШІ, які часто генерують неможливі молекули, SCIGEN інтегрує фізичні та хімічні пріоритети, щоб утримати генерацію в межах реальності.

Ось чому це дуже захоплюючий напрямок: простір можливих матеріалів астрономічно великий, а відкриття через проби та помилки є повільними та дорогими. Пара couple народу дає можливість дослідникам MIT стверджувати, що вони можуть досліджувати обіцятливі регіони цього простору значно ефективніше.

«Замість того, щоб вручну перевіряти тисячі гіпотетичних сполук, ШІ може генерувати та оцінювати кандидати, які є як новими, так і фізично обґрунтованими», — зазначила команда у своєму оголошенні.

Паралельна робота дослідників Samsung вирішує ту ж проблему з іншого боку. Нещодавня стаття технологічного гіганта «Aligning Reasoning LLMs for Materials Discovery With Physics-Aware Rejection Sampling» описує метод, який називаєтьсяPaRS.

На відміну від попереднього спрямування генерації, PaRS фільтрує сліди міркувань, що отримуються від великих мовних моделей, відкидаючи всі, які порушують відомі фізичні закони або перевищують емпіричні межі. Цей підхід поліпшив точність та зменшив «фізичні порушення» в тестах на рецепти пристроїв, таких як квантово-крапкові світлодіоди (LED).

У сукупності SCIGEN та PaRS є прикладами більш широкої тенденції: «фізично усвідомлений ШІ для науки». Генеративні моделі можуть уявляти структури, які дослідники-люди можуть ніколи не врахувати, але якщо їх не контролювати, то вони часто виробляють безглуздість. Завдяки вбудовуванню обмежень у домені — або через керовану генерацію, або через відбір відмов — ці нові системи прагнуть забезпечити, щоб творчість була пов’язана з реальністю.

Виплата могла б бути глибокою. У квантових обчисленнях екзотичні матеріали з стабільними квантовими фазами є критично важливими для створення масштабованих кубітів. У енергетиці нові каталізатори могли б зробити виробництво водню чистішим і дешевшим. В електроніці нові напівпровідники могли б перевищити межі кремнію. Якщо SCIGEN або PaRS можуть допомогти виявити навіть кілька життєздатних кандидатів, тоді вплив може розповсюдитися по індустріях.

На даний момент обидва методи залишаються на ранніх стадіях досліджень. SCIGEN продемонстрував обіцянку в генеруванні кандидатів, які відповідають теоретичним прогнозам, тоді як PaRS зменшив показники помилок при прогнозуванні продуктивності пристроїв. Але комбінація — системи ШІ, які як пропонують, так і ретельно фільтрують матеріали — вказує на майбутнє, де відкриття прискорюється не випадковістю, а машинним керуванням дизайном.