Какво стана
Изследователите на MIT разработиха CrysVCD, рамка, която комбинира езиков модел със системи за генериране на материали, базирани на дифузия. Той прилага основни правила за химическа валентност, преди да генерира кристални структури, вместо да разчита главно на скъп скрининг надолу по веригата. В проучването подходът създаде кандидати за изчислителни материали с отчетена механична стабилност от 68% и метастабилност от 85%, когато се настрои към показателите за стабилност.
MIT News съобщава, че изследователите са разработили рамка, наречена „кристален генератор с валентно ограничен дизайн“ или CrysVCD. Системата е предназначена за предния край на генерирането на материали, базирани на изкуствен интелект, където може да наложи химически ограничения, преди моделът да изразходва значителни изчисления за създаване на кандидат-атомни структури. Централният проблем, който адресира, е, че генеративните системи могат да създадат голям брой дизайни без надеждно отчитане на химическата стабилност.
Отчетеният работен процес съчетава два вида AI модели. Първо, езиковият модел създава формули, които отговарят на избрани правила относно валентните електрони около атомите на материала. След това моделът на дифузия използва тези формули, за да генерира съответната кристална структура. MIT описва това като начин да преместите съображенията за стабилност по-рано в процеса, вместо да генерирате голям набор от кандидати и да филтрирате повечето от тях след това.
В статията, публикувана в Nature Computational Science, изследователите съобщават, че CrysVCD е помогнал на няколко често използвани модела на материали да удовлетворяват по-често правилата на валентната обвивка. Когато подходът беше фино настроен върху показателите за стабилност, получените кристални материали постигнаха 68% механична стабилност и 85% метастабилност, според сметката на MIT. Метастабилността се отнася тук до това дали даден материал остава в стабилно състояние, когато не е нарушен. MIT също казва, че методът е постигнал висока стабилност на динамиката на решетката в почти 70% от изчислителните поколения.
Изследователите са използвали рамката, за да преследват кандидати със свойства, включително висока топлопроводимост и лесна поляризация в електрическо поле. Източникът свързва тези цели с полупроводникови приложения и с материали, които биха могли да помогнат за премахване на топлината от оборудването на центъра за данни. Масачузетският технологичен институт съобщава, че подходът е с порядък по-ефективен от методите, които първо генерират материали и ги проверяват след това, въпреки че статията не предоставя основното работно натоварване, базовата линия или счетоводството, необходимо за независимо тълкуване на това сравнение.
Детайли за източника: news.mit.edu ↗
Защо има значение
AI може да генерира огромен брой дизайни на материали, но нестабилните кандидати могат да направят по-голямата част от този резултат неизползваем. MIT казва, че валидирането на стабилността може да представлява около 90% от изчислителните разходи за създаване на използваеми материали и може да отнеме седмици или месеци. Ако докладваните печалби се обобщят, по-ранните химични ограничения биха могли да направят откриването на изчислителни материали по-достъпно за по-малки лаборатории и компании, като същевременно са насочени към свойства, свързани с полупроводниците и охлаждането на центрове за данни.
Практическият проблем не е просто създаването на нови формули. AI системите вече могат бързо да генерират милиони дизайни, но голяма част от тях може да са химически нестабилни или по друг начин неподходящи. Според MIT валидирането на стабилността може да представлява около 90% от изчислителните разходи за създаване на използваеми материали и може да отнеме седмици или месеци. Тази цена може да облагодетелства големи организации с обширни изчислителни ресурси и да ограничи по-малките изследователски групи.
Следователно отчетеният принос на CrysVCD е промяна в това къде се изразходват изчисленията. Чрез прилагането на ограничен набор от химически правила преди генерирането на структура, системата има за цел да повиши дела на кандидатите, които оцеляват по-късно валидиране. Това е по-тясно и по-измеримо твърдение от твърдението, че AI е решил откриването на материали: рамката е проектирана да подобри ефективността и качеството на генериране на кандидати при определени химични и структурни условия.
Възможността за насочване към свойства едновременно със стабилността също може да има значение за инженерните работни потоци. Високата топлопроводимост е от значение за охлаждането, докато диелектричните свойства и поляризационното поведение могат да бъдат от значение за електронните компоненти. Източникът конкретно свързва тези цели с полупроводници и центрове за данни, но не съобщава за произведен компонент, внедряване на място или подобрение на производителността на работещ продукт.
Аргументът за достъпност е важен, ако отчетената ефективност е извън настройките на изследването. Намаляването на генерирането на отпадъци и скрининга може да намали бариерите пред академичните групи и по-малките компании, които търсят материали за целеви приложения. Този потенциал обаче трябва да се разбира като следствие от изследване, а не като доказателство, че методът вече е широко достъпен, интегриран в търговската мрежа или доказан в пълния набор от проблеми с материалите.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
crm_get_transaction(id='4092').A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Какво да гледате след това
Ключовият въпрос без отговор е дали изчислително стабилните кандидати на CrysVCD могат да бъдат синтезирани и да работят според прогнозите при физически тестове. Източникът казва, че методът работи най-добре за силно подредени твърди структури и не работи за всеки тип материал. По-нататъшната работа трябва да тества репликацията в класове материали, модели, свойства и независими лаборатории, както и да определи количествено реалните изчисления и спестяванията на време в пълни работни потоци за откриване.
Най-важната следваща стъпка е физическото валидиране. Статията на MIT описва изчислителни поколения и тестове за стабилност, но не казва, че докладваните кандидати са били синтезирани, измерени в лаборатория, включени в устройство или тествани при работни условия. Химическата и изчислителната стабилност са необходими показатели, но те сами по себе си не установяват, че даден материал може да бъде произведен икономично или да осигури желаната производителност.
Обобщеността е друг отворен въпрос. Източникът казва, че CrysVCD работи най-добре със солидни структури, които имат високо подредени вътрешни подредби и не работи с всеки вид материал. Последващи проучвания ще трябва да покажат как методът работи върху по-малко подредени материали, различни химични системи и свойства извън примерите, обсъдени в статията.
Отчетените проценти и сравнение на ефективността също изискват внимателно копиране. Статията не уточнява пълния брой поколения, точния състав на оценените набори от данни, моделите, използвани като базови линии, или изчислителния хардуер и счетоводството зад твърдението за порядъка на величината. Тези подробности ще определят дали печалбите се превръщат в по-ниски общи разходи за откриване в реалистични работни процеси.
И накрая, изследователите и потенциалните потребители трябва да следят за доказателства относно интеграцията и достъпа. Източникът казва, че рамката може да бъде включена в съществуващи и бъдещи модели за генериране на материали, но не посочва дали CrysVCD, обучени модели, код или кандидат структури са публично пуснати. Независимото репликиране, резултатите от физическия синтез и прозрачните измервания на разходите от край до край биха изяснили колко близо е изследването до практическото разработване на материали.