Les chercheurs de Cornell montrent comment l'intelligence artificielle – en particulier l'apprentissage en profondeur et la modélisation générative – peut accélérer la conception de nouvelles molécules et de nouvelles matériaux, et même fonctionnent comme un assistant de recherche autonome.
Dans une étude publiée dans Science avancéeles chercheurs ont exploré comment rendre les modèles d'IA plus efficaces et efficaces pour prédire les propriétés des molécules pour tout, du développement de médicaments à la conception des matériaux. L'équipe s'est concentrée sur une technique appelée Distillation des connaissances, qui implique de comprimer les réseaux de neurones grands et complexes en modèles plus petits et plus rapides.
Les modèles distillés ont couru plus rapidement – et dans certains cas, il a amélioré les performances – tout en travaillant bien dans différents ensembles de données expérimentaux, ce qui les rend idéales pour le dépistage moléculaire sans la puissance de calcul lourde requise par la plupart des systèmes d'IA.
« Pour accélérer la découverte dans la science des matériaux, nous avons besoin de systèmes d'IA qui ne sont pas seulement puissants, mais scientifiquement ancrés », a déclaré Fengqi, The Roxanne E. et Michael J. Zak, professeur en génie des systèmes énergétiques en ingénierie de Cornell, qui a co-écrit l'étude avec l'étudiant diplômé Rahul Sheshanarayana.
« Nos travaux montrent que l'IA peut apprendre à raisonner dans les domaines chimiques et structurels, génère des matériaux réalistes et modéliser les comportements moléculaires avec efficacité et précision – tout en s'alignant étroitement avec les principes fondamentaux de la science des matériaux. »
Vous dirigez l'initiative Cornell AI for Sustainability et codirectionne le Cornell University AI for Science Institute – deux programmes faisant progresser la prochaine génération de sciences propulsées par l'IA. Les deux ont soutenu les efforts avant-gardistes dans le groupe de recherche de vous.
Dans un Science informatique de la nature Paper, vous et Zhilong Wang, un Eric et Wendy Schmidt Ai en boursier postdoctoral scientifique, introduisez un nouveau cadre pour une conception inverse générative des matériaux cristallins. Les cristaux, avec leurs modèles atomiques répétés et leur symétrie stricte, présentent un défi pour les modèles d'IA, qui s'appuient souvent sur des représentations abstraites ou simplifiées.
La solution proposée du groupe de recherche: un modèle d'IA génératif axé sur la physique, qui intègre directement la symétrie cristallographique, la périodicité, l'invertibilité et l'invariance de permutation dans le processus d'apprentissage du modèle. Le cadre permet à l'IA de générer de nouvelles structures cristallines qui sont non seulement mathématiquement possibles, mais chimiquement réalistes.
« Notre objectif est de garantir que les matériaux générés par l'AI sont scientifiquement significatifs », a déclaré Wang. « Nous codons des principes physiques et des conditions de fonctionnement directement dans le cadre d'apprentissage, donc au lieu de compter sur des essais et des erreurs massifs, nous guidons l'IA avec une connaissance du domaine. »
Dans un article de revue publié dans Matériaux avancésVous et doctorant Wenhao Yuan détaillent une classe émergente de systèmes d'IA connue sous le nom de Generalist Material Intelligence.
Contrairement aux modèles traditionnels formés pour des tâches spécifiques, l'intelligence des matériaux généralistes est alimentée par des modèles de langage à grande échelle et interagit avec les données informatiques et expérimentales pour raisonner, planifier et interagir avec le texte scientifique, les figures et les équations, fonctionnant comme un agent de recherche autonome.
« Ce qui est excitant, c'est l'idée que l'IA peut commencer à s'engager avec la science plus holistiquement », a déclaré Yuan. « Nous enseignons à l'IA comment penser comme un scientifique, à développer des hypothèses, à concevoir des matériaux et à vérifier les résultats. »
Parallèlement aux recherches du groupe, vous introduisez également des concepts d'IA dans la salle de classe. Ce printemps, il a lancé un nouveau cours de niveau supérieur, AI pour le matériel, qui initient les étudiants aux nouvelles techniques de science des matériaux, y compris des applications d'apprentissage en profondeur dans le stockage d'énergie, l'optimisation de la synthèse et la modélisation du comportement des matériaux.
« Le cours met l'accent sur les applications transformatrices et les défis de l'application de l'IA pour accélérer la conception des matériaux », avez-vous déclaré. « Il s'agit d'équiper la prochaine génération de chercheurs et d'ingénieurs les connaissances pour stimuler l'innovation à l'intersection de l'IA et de la science des matériaux. »
