مایکروسافت از MatterGen رونمایی کرد؛ هوش مصنوعی مولد برای طراحی مواد جدید

مایکروسافت از MatterGen رونمایی کرد. MatterGen ابزار هوش مصنوعی مولد است و می‌تواند نحوه درک ما از کشف مواد را متحول کند. به گفته مایکروسافت، این هوش مصنوعی می‌تواند پارادایم جدیدی در مهندسی مواد ایجاد کند.

براساس اعلام مایکروسافت و مقاله منتشرشده در نیچر، MatterGen سیستم هوش مصنوعی پیشرفته‌ای است که می‌تواند مواد جدید را با کیفیت بالا توسعه دهد. برخلاف رویکردهای مرسوم، سیستم جدید از زاویه دیگری به توسعه مواد می‌پردازد. «ساتیا نادلا»، مدیرعامل مایکروسافت، نیز درباره این دستاورد در لینکدین گفت: «مدل MatterGen ما از هوش مصنوعی مولد برای ایجاد ترکیبات جدید با ویژگی‌های خاص و دقت بی‌سابقه‌ای استفاده می‌کند.»

هوش مصنوعی MatterGen مایکروسافت برای طراحی مواد جدید

نوآوری در مواد یکی از قدم‌های اساسی برای پیشرفت‌های تکنولوژی است؛ برای مثال کشف اکسید کبالت لیتیوم در دهه 1980 زمینه را برای ایجاد باتری‌های لیتیوم یونی امروزی فراهم کرد. اکنون گوشی‌های مدرن و خودروهای الکتریکی از این باتری‌ها بهره می‌برند.

پیداکردن ماده‌ای جدید مانند جستجوی سوزن در انبار کاه است. این کار از طریق آزمون و خطا بسیار پرهزینه و زمان‌بر خواهد بود. البته اخیراً غربالگری با کامپیوترهای پیشرفته به محققان امکان داده است این فرایند را سرعت ببخشند. باوجوداین یافتن مواد معدود با خواص مطلوب همچنان نیازمند غربالگری از میان میلیون‌ها کاندید است.

اکنون MatterGen کشف مواد را از زاویه‌ای متفاوت بررسی می‌کند. این سیستم به‌جای غربالگری کاندیدها، باتوجه‌به اهداف و الزامات مهندسان مواد جدید را مستقیم تولید می‌کند. این هوش مصنوعی می‌تواند موادی با خواص شیمیایی، مکانیکی، الکترونیکی یا مغناطیسی دلخواه طراحی کند. مایکروسافت می‌گوید MatterGen پارادایم جدیدی از طراحی مواد ایجاد خواهد کرد که امکان کاوش کارآمد مواد را فراهم می‌کند.

MatterGen مدل انتشاری (Diffusion Model) است که بر پایه هندسه سه‌بعدی مواد عمل می‌کند. همانند مدل‌های انتشاری تولید تصویر که عکس را از پرامپت متنی تولید می‌کنند، MatterGen ساختارهای پیشنهادی را با تنظیم موقعیت‌ها، عناصر و شبکه‌ها می‌سازد.

مدل پایه MatterGen روی 608 هزار ماده پایدار از پایگاه‌های داده پروژه Materials و Alexandria آموزش دیده است. البته MatterGen را می‌توان با مجموعه داده‌های خاصی برای تولید مواد جدید بهینه (Fine-tuning) کرد. درکل، مزیت اصلی MatterGen نسبت به روش‌های سنتی غربالگری، توانایی آن برای تولید مواد جدید و ناشناخته است. به گفته محققان، آنها با این سیستم توانستند با دقت بالایی ماده جدیدی به‌ نام TaCr2O6 ایجاد کنند.