ШІ допоможе створити екологічно чисті матеріали

Дослідники розробили алгоритм, який допомагає створювати нові екологічно стійкі матеріали для батарей електромобілів, каталізаторів та інших цілей.

Нові матеріали можуть допомогти збільшити ємність батарей і створити каталізатори для конверсії вуглекислого газу. Такі «еко-френдлі» матеріали розробляти досить важко, тому вчені все частіше використовують для цього завдання нейромережі

Для боротьби зі зміною клімату вчені та активісти закликають уряди вживати заходів, серед яких скорочення використання викопного палива, електрифікація транспорту, реформування сільського господарства та очищення атмосфери від надлишкової кількості вуглекислого газу. Але багато з цих проблем будуть непереборні без проривів у матеріалознавстві. Сучасні матеріали не володіють ключовими властивостями, необхідними для масштабованих екологічно чистих технологій.

Батареї, наприклад, вимагають використання матеріалів, які можуть забезпечити більш високу щільність зберігання енергії і високу стійкість до зміни умов навколишнього середовища. Без таких поліпшень галузь електромобілів - один з головних майбутніх споживачів акумуляторів - ризикує так і залишитися позаду своїх бензинових побратимів. Нові матеріали також можуть допомогти поліпшити системи захоплення вуглекислого газу, якщо використовувати їх як каталізаторів конверсії цього з'єднання.

Але розробляти такі сполуки вкрай складно і трудовитратно. На допомогу вченим у цьому може прийти штучний інтелект. Традиційно вчені відкривали матеріали завдяки поєднанню інтуїції, сміливості і просто везіння, цей підхід призвів до багатьох тупиків, але він також допоміг здійснити ключові відкриття, включаючи перший літій-іонний акумулятор. Починаючи з кінця XX століття комп'ютери дозволили вченим моделювати структури і властивості молекул і матеріалів і синтезувати тільки найперспективніші з них, економлячи час і гроші. Висока пропускна здатність такої методики також дозволила швидко тестувати десятки і навіть сотні сполук за раз.

Однак, навіть такі методи стикаються з проблемами - вони не володіють уявою, необхідною для генерації нових перспективних структур. Крім того, програмам не вистачає масивів даних для навчання. Вчені вже знають спосіб вирішення і цієї проблеми - використання роботів і нейромереж для збору та генерації інформації про ключові властивості матеріалів.

За словами дослідників, з набором існуючих алгоритмів, в недалекому майбутньому нас може чекати переворот у матеріалознавстві, а боротьба проти зміни клімату може стати драйвером цих досліджень. Вчені вже почали застосовувати передові методи для збору інформації та аналізу даних у матеріалознавстві. Наприклад, не так давно дослідники використовували саморухливі лабораторії для вивчення та оптимізації оптичних та електронних властивостей матеріалів для фотоелектрики, органічних світлодіодів та інших пристроїв. Інші дослідницькі групи застосували машинне навчання і робототехніку для аналізу властивостей майже 2000 перовскітів - матеріалів, які є перспективною основою сонячних батарей. У недалекому майбутньому матеріалознавці очікують нових відкриттів у цій галузі, зроблених за допомогою ШІ.

За матеріалами Physics.