Un nuovo strumento sta cambiando drasticamente il volto della ricerca chimica:l'intelligenza artificiale. In un nuovo articolo pubblicato su Natura , i ricercatori esaminano i rapidi progressi nell'apprendimento automatico per le scienze chimiche.

Quasi ogni progresso tecnologico nella storia umana è accompagnato dalla scoperta o dallo sviluppo di nuovi materiali, dalla fusione di rame e zinco per formare il bronzo alla fabbricazione di microchip di silicio di alta qualità che alimentano la tecnologia digitale.

Progettare materiali per una domanda specifica è un compito sbalorditivo; una combinazione casuale di elementi costitutivi atomici potrebbe produrre uno qualsiasi di un numero infinito di possibili composti. Storicamente, la scoperta dei materiali ha comportato una combinazione di casualità, intuizione, e tentativi ed errori, ma tutto questo potrebbe essere destinato a cambiare grazie all'intelligenza artificiale.

Un team internazionale di scienziati del Regno Unito e degli Stati Uniti, compreso il dottorato di ricerca studente Daniel Davies del Center for Sustainable Chemical Technologies e Department of Chemistry, ha pubblicato una recensione sul potenziale crescente del machine learning per la progettazione chimica.

Daniel ha dichiarato:"L'apprendimento automatico è una branca dell'intelligenza artificiale in cui i computer vengono programmati imparando dai dati. Questi metodi esistono da un po' di tempo, ampiamente utilizzato da Google, Yahoo, Amazon ecc, per pubblicità mirata, traduzione e filtro antispam per esempio.

"Più di recente vengono utilizzati per realizzare auto a guida autonoma e tecnologia robotica simile a quella umana. Vengono solo applicati alle scienze fisiche in grande stile e hanno enormi implicazioni per il ruolo che i computer assumono nella scienza. Infatti , l'uso dei "big data" e dell'intelligenza artificiale è stato definito la quarta rivoluzione industriale o il quarto paradigma della scienza. L'apprendimento automatico viene ora utilizzato per accelerare il processo scientifico, progettare materiali e molecole cruciali di cui abbiamo bisogno per lo sviluppo sostenibile, più rapidamente.

"Lo scopo principale dell'articolo è spiegare dove l'apprendimento automatico sta iniziando a sollevare sfide specifiche nella ricerca molecolare e sui materiali che semplicemente non possono essere risolte senza di esso. Identifichiamo anche alcune barriere chiave che devono essere superate in seguito. Ad esempio, trovare modi in cui sostanze chimiche e composti sono rappresentati in computer che "pensano" solo in 1 e 0, è una grande sfida.

"Il nostro riassunto finale è:'Mentre gli scienziati abbracciano l'inclusione dell'apprendimento automatico con la progettazione statisticamente guidata nei loro programmi di ricerca, il numero di domande sta crescendo a un ritmo straordinario. Questa nuova generazione di scienza computazionale, supportato da una piattaforma di strumenti open source e condivisione dei dati, ha il potenziale per rivoluzionare il processo di scoperta molecolare e dei materiali.' Penso che questo rifletta bene il messaggio da portare a casa, ovvero che prevediamo che quest'area diventerà parte integrante del metodo scientifico, non solo un'area di ricerca separata".

Gli esseri umani hanno sempre goduto di capacità di ragionamento e intuizione che superano di gran lunga quelle delle macchine. Ma gli scienziati ora stanno iniziando a rivolgersi a soluzioni basate sull'intelligenza artificiale per accelerare i propri processi di scoperta e ottimizzazione dei materiali.

Dr. Keith Butler dell'ISIS Neutron e Muon Source, autore principale della recensione, ha detto:"Negli approcci computazionali tradizionali, il computer è poco più di una calcolatrice, utilizzando un algoritmo hardcoded fornito da un esperto umano. Al contrario, le prestazioni delle tecniche di apprendimento automatico migliorano vedendo sempre più esempi reali."

L'apprendimento automatico e l'intelligenza artificiale offrono la possibilità di addestrare i computer utilizzando le proprietà dei materiali che già conosciamo, per aiutare a identificare i sistemi campione del futuro. Gli approcci di intelligenza artificiale considerano tutti i dati disponibili allo stesso modo e trovano le tendenze che un ricercatore umano potrebbe non rilevare a causa di un pregiudizio verso una data interpretazione.

Ma cosa sta alimentando i progressi in questo campo? Un fattore importante per l'esplosione dell'intelligenza artificiale in chimica è la crescita dei database open source.

"Ciò è particolarmente entusiasmante nel contesto di una struttura come l'ISIS in cui produciamo grandi quantità di dati, siamo seduti su una miniera d'oro di dati e ora stiamo iniziando a essere in grado di sfruttarli, " ha aggiunto il dottor Butler.