Quando mi vengono in mente le parole "intelligenza artificiale" (AI), i tuoi primi pensieri potrebbero essere dei computer super-intelligenti, o robot che svolgono compiti senza bisogno dell'aiuto degli umani. Ora, un team multi-istituzionale che include ricercatori del National Institute of Standards and Technology (NIST) ha realizzato qualcosa non troppo lontano:hanno sviluppato un algoritmo AI chiamato CAMEO che ha scoperto un nuovo materiale potenzialmente utile senza richiedere ulteriore formazione da parte degli scienziati. Il sistema di intelligenza artificiale potrebbe aiutare a ridurre la quantità di tempo per tentativi ed errori che gli scienziati trascorrono in laboratorio, massimizzando la produttività e l'efficienza nella loro ricerca.

Il team di ricerca ha pubblicato il proprio lavoro su CAMEO in Comunicazioni sulla natura .

Nel campo della scienza dei materiali, gli scienziati cercano di scoprire nuovi materiali che possono essere utilizzati in applicazioni specifiche, come un "metallo leggero ma anche resistente per costruire un'auto, o uno in grado di resistere a sollecitazioni e temperature elevate per un motore a reazione, ", ha affermato il ricercatore del NIST Aaron Gilad Kusne.

Ma trovare questi nuovi materiali di solito richiede un gran numero di esperimenti coordinati e lunghe ricerche teoriche. Se un ricercatore è interessato a come le proprietà di un materiale variano con le diverse temperature, quindi il ricercatore potrebbe dover eseguire 10 esperimenti a 10 temperature diverse. Ma la temperatura è solo un parametro. Se ci sono cinque parametri, ciascuno con 10 valori, quindi quel ricercatore deve eseguire l'esperimento 10 x 10 x 10 x 10 x 10 volte, un totale di 100, 000 esperimenti. È quasi impossibile per un ricercatore eseguire così tanti esperimenti a causa degli anni o dei decenni che potrebbero volerci, ha detto Kusne.

È qui che entra in gioco CAMEO. Abbreviazione di Sistema autonomo a circuito chiuso per l'esplorazione e l'ottimizzazione dei materiali, CAMEO può garantire che ogni esperimento massimizzi la conoscenza e la comprensione dello scienziato, saltare gli esperimenti che darebbero informazioni ridondanti. Aiutare gli scienziati a raggiungere i propri obiettivi più rapidamente con un minor numero di esperimenti consente inoltre ai laboratori di utilizzare le proprie risorse limitate in modo più efficiente. Ma in che modo CAMEO è in grado di farlo?

Il metodo dietro la macchina

L'apprendimento automatico è un processo in cui i programmi per computer possono accedere ai dati ed elaborarli da soli, migliorando automaticamente da soli invece di fare affidamento su allenamenti ripetuti. Questa è la base per CAMEO, un'IA ad autoapprendimento che utilizza la previsione e l'incertezza per determinare quale esperimento provare successivamente.

Come implica il suo nome, CAMEO cerca un nuovo materiale utile operando in un ciclo chiuso:determina quale esperimento eseguire su un materiale, fa l'esperimento, e raccoglie i dati. Può anche chiedere maggiori informazioni, come la struttura cristallina del materiale desiderato, dallo scienziato prima di eseguire il prossimo esperimento, che è informato da tutti gli esperimenti passati eseguiti nel ciclo.

"La chiave del nostro esperimento era che siamo stati in grado di scatenare CAMEO su una libreria combinatoria in cui avevamo realizzato una vasta gamma di materiali con tutte le diverse composizioni, " disse Ichiro Takeuchi, ricercatore in scienze dei materiali e ingegneria e professore presso l'Università del Maryland. In un consueto studio combinatorio, ogni materiale nell'array verrebbe misurato in sequenza per cercare il composto con le migliori proprietà. Anche con una configurazione di misurazione rapida, che richiede molto tempo. Con CAMEO, ci voleva solo una piccola frazione del normale numero di misurazioni per individuare il materiale migliore.

L'IA è anche progettata per contenere la conoscenza dei principi chiave, compresa la conoscenza di simulazioni passate ed esperimenti di laboratorio, come funziona l'attrezzatura, e concetti fisici. Per esempio, i ricercatori hanno armato CAMEO con la conoscenza della mappatura di fase, che descrive come la disposizione degli atomi in un materiale cambia con la composizione chimica e la temperatura.

Comprendere come sono disposti gli atomi in un materiale è importante per determinarne le proprietà, ad esempio quanto sia duro o elettricamente isolante, e quanto è adatto per un'applicazione specifica.

"L'IA non è supervisionata. Molti tipi di IA devono essere addestrati o supervisionati. Invece di chiederle di apprendere leggi fisiche, li codifichiamo nell'IA. Non hai bisogno di un essere umano per addestrare l'intelligenza artificiale, " disse Kusne.

Uno dei modi migliori per capire la struttura di un materiale è bombardarlo con raggi X, in una tecnica chiamata diffrazione dei raggi X. Identificando gli angoli ai quali i raggi X rimbalzano, gli scienziati possono determinare come sono disposti gli atomi in un materiale, permettendo loro di capire la sua struttura cristallina. Però, un singolo esperimento di diffrazione dei raggi X interno può richiedere un'ora o più. In un impianto di sincrotrone in cui una grande macchina delle dimensioni di un campo da calcio accelera le particelle caricate elettricamente a una velocità prossima a quella della luce, questo processo può richiedere 10 secondi perché le particelle in rapido movimento emettono un gran numero di raggi X. Questo è il metodo utilizzato negli esperimenti, che sono stati eseguiti presso la Stanford Synchrotron Radiation Lightsource (SSRL).

L'algoritmo è installato su un computer che si collega all'apparecchiatura di diffrazione a raggi X su una rete dati. CAMEO decide quale composizione del materiale studiare successivamente scegliendo su quale materiale si concentrano i raggi X per investigare la sua struttura atomica. Ad ogni nuova iterazione, CAMEO apprende dalle misurazioni passate e identifica il prossimo materiale da studiare. Ciò consente all'IA di esplorare come la composizione di un materiale influisce sulla sua struttura e di identificare il materiale migliore per l'attività.

"Pensa a questo processo come al tentativo di fare la torta perfetta, " disse Kusne. "Stai mescolando diversi tipi di ingredienti, Farina, uova, o burro, usando una varietà di ricette per fare la torta migliore." Con l'IA, è cercare attraverso le "ricette" o esperimenti per determinare la migliore composizione per il materiale.

Questo approccio è il modo in cui CAMEO ha scoperto il materiale ?Ge?_4 ?Sb?_6 ?Te?_(7, ) che il gruppo ha abbreviato in GST467. CAMEO ha ricevuto 177 potenziali materiali da indagare, coprendo una vasta gamma di ricette compositive. Per arrivare a questo materiale, CAMEO ha eseguito 19 diversi cicli sperimentali, che ha impiegato 10 ore, rispetto alle 90 ore stimate che ci sarebbero volute uno scienziato con il set completo di 177 materiali.

Il nuovo materiale

Il materiale è composto da tre diversi elementi (germanio, antimonio e tellurio, Ge-Sb-Te) ed è un materiale di memoria a cambiamento di fase, questo è, cambia la sua struttura atomica da cristallina (materiale solido con atomi in designati, posizioni regolari) ad amorfo (materiale solido con atomi in posizioni casuali) quando si scioglie rapidamente applicando calore. Questo tipo di materiale viene utilizzato in applicazioni di memoria elettronica come l'archiviazione di dati. Sebbene ci siano infinite variazioni di composizione possibili nel sistema di leghe Ge-Sb-Te, il nuovo materiale GST467 scoperto da CAMEO è ottimale per le applicazioni a cambiamento di fase.

I ricercatori volevano che CAMEO trovasse la migliore lega Ge-Sb-Te, uno che aveva la più grande differenza nel "contrasto ottico" tra gli stati cristallino e amorfo. Su un disco DVD o Blu-ray, Per esempio, il contrasto ottico consente a un laser di scansione di leggere il disco distinguendo tra le regioni che hanno una riflettività alta o bassa. Hanno scoperto che GST467 ha il doppio del contrasto ottico di ?Ge?_2 ?Sb?_2 ?Te?_5, un materiale ben noto che è comunemente usato per i DVD. Il contrasto maggiore consente al nuovo materiale di superare il vecchio materiale con un margine significativo.

GST467 ha anche applicazioni per dispositivi di commutazione fotonica, che controllano la direzione della luce in un circuito. Possono essere applicati anche nel calcolo neuromorfico, un campo di studio incentrato sullo sviluppo di dispositivi che emulano la struttura e la funzione dei neuroni nel cervello, aprendo possibilità per nuovi tipi di computer e altre applicazioni come l'estrazione di dati utili da immagini complesse.

Applicazioni più ampie di CAMEO

I ricercatori ritengono che CAMEO possa essere utilizzato per molte altre applicazioni di materiali. Il codice per CAMEO è open source e sarà disponibile gratuitamente per l'uso da parte di scienziati e ricercatori. E a differenza di simili approcci di apprendimento automatico, CAMEO ha scoperto un nuovo composto utile concentrandosi sulla relazione composizione-struttura-proprietà dei materiali cristallini. In questo modo, l'algoritmo ha navigato nel corso della scoperta tracciando le origini strutturali delle funzioni di un materiale.

Uno dei vantaggi di CAMEO è ridurre al minimo i costi, da quando propone, la pianificazione e l'esecuzione di esperimenti nelle strutture di sincrotrone richiedono tempo e denaro. I ricercatori stimano una riduzione di dieci volte del tempo per gli esperimenti utilizzando CAMEO, poiché il numero di esperimenti eseguiti può essere ridotto di un decimo. Poiché l'intelligenza artificiale sta eseguendo le misurazioni, raccogliere dati ed eseguire l'analisi, questo riduce anche la quantità di conoscenze di cui un ricercatore ha bisogno per eseguire l'esperimento. Tutto ciò su cui il ricercatore deve concentrarsi è eseguire l'intelligenza artificiale.

Un altro vantaggio è fornire agli scienziati la possibilità di lavorare in remoto. "Questo apre un'ondata di scienziati per continuare a lavorare ed essere produttivi senza essere effettivamente in laboratorio, " disse Apurva Mehta, ricercatore presso lo SLAC National Accelerator Laboratory. Ciò potrebbe significare che se gli scienziati volessero lavorare sulla ricerca che coinvolge malattie contagiose o virus, come il COVID-19, potevano farlo in modo sicuro e remoto facendo affidamento sull'intelligenza artificiale per condurre gli esperimenti in laboratorio.

Per adesso, i ricercatori continueranno a migliorare l'IA e cercheranno di rendere gli algoritmi capaci di risolvere problemi sempre più complessi. "CAMEO ha l'intelligenza di un robot scienziato, ed è costruito per progettare, corri e impara dagli esperimenti in modo molto efficiente, " disse Kusne.