Chuyện gì đã xảy ra
Các nhà nghiên cứu của MIT đã phát triển CrysVCD, một khung kết hợp mô hình ngôn ngữ với các hệ thống tạo vật liệu dựa trên sự khuếch tán. Nó áp dụng các quy tắc hóa trị hóa học cơ bản trước khi tạo ra các cấu trúc tinh thể, thay vì chủ yếu dựa vào việc sàng lọc đắt tiền ở cuối dòng. Trong nghiên cứu, phương pháp này đã tạo ra các ứng cử viên vật liệu tính toán với độ ổn định cơ học được báo cáo là 68% và khả năng di động là 85% khi điều chỉnh theo các số liệu về độ ổn định.
MIT News báo cáo rằng các nhà nghiên cứu đã phát triển một khung gọi là “máy tạo tinh thể với thiết kế ràng buộc hóa trị” hay CrysVCD. Hệ thống này được thiết kế dành cho phần đầu của quá trình tạo vật liệu dựa trên AI, nơi nó có thể áp đặt các ràng buộc hóa học trước khi một mô hình thực hiện tính toán đáng kể để tạo ra các cấu trúc nguyên tử ứng cử viên. Vấn đề trọng tâm mà nó giải quyết là các hệ thống tạo ra có thể tạo ra số lượng lớn các thiết kế mà không tính đến độ ổn định hóa học một cách đáng tin cậy.
Quy trình làm việc được báo cáo kết hợp hai loại mô hình AI. Đầu tiên, một mô hình ngôn ngữ tạo ra các công thức thỏa mãn các quy tắc đã chọn liên quan đến các electron hóa trị xung quanh các nguyên tử của vật liệu. Sau đó, mô hình khuếch tán sử dụng các công thức đó để tạo ra cấu trúc tinh thể tương ứng. MIT mô tả đây là một cách để đưa ra những cân nhắc về tính ổn định sớm hơn trong quy trình thay vì tạo ra một lượng lớn ứng viên và lọc hầu hết trong số họ sau đó.
Trong bài báo đăng trên tạp chí Nature Computational Science, các nhà nghiên cứu báo cáo rằng CrysVCD đã giúp một số mô hình vật liệu được sử dụng phổ biến đáp ứng các quy tắc vỏ hóa trị thường xuyên hơn. Theo báo cáo của MIT, khi phương pháp tiếp cận này được tinh chỉnh dựa trên các số liệu về độ ổn định, vật liệu tinh thể thu được đạt được độ ổn định cơ học 68% và khả năng di động 85%. Tính di động ở đây đề cập đến việc vật liệu có giữ được trạng thái ổn định khi không bị xáo trộn hay không. MIT cũng cho biết phương pháp này đã đạt được độ ổn định động lực mạng cao trong gần 70% thế hệ tính toán.
Các nhà nghiên cứu đã sử dụng khung này để theo đuổi các ứng cử viên có các đặc tính bao gồm tính dẫn nhiệt cao và phân cực dễ dàng trong điện trường. Nguồn kết nối các mục tiêu đó với các ứng dụng bán dẫn và vật liệu có thể giúp loại bỏ nhiệt khỏi thiết bị trung tâm dữ liệu. MIT báo cáo rằng cách tiếp cận này hiệu quả hơn rất nhiều so với các phương pháp tạo ra vật liệu trước và sàng lọc chúng sau đó, mặc dù bài báo không cung cấp khối lượng công việc cơ bản, đường cơ sở hoặc cách tính toán cần thiết để diễn giải sự so sánh đó một cách độc lập.
Chi tiết nguồn: news.mit.edu ↗
Tại sao nó quan trọng
AI có thể tạo ra số lượng lớn các thiết kế vật liệu, nhưng các ứng cử viên không ổn định có thể khiến phần lớn sản phẩm đó không thể sử dụng được. MIT cho biết việc xác nhận độ ổn định có thể chiếm khoảng 90% chi phí tính toán để tạo ra các vật liệu có thể sử dụng được và có thể mất hàng tuần hoặc hàng tháng. Nếu những lợi ích được báo cáo khái quát hóa, thì những hạn chế về hóa học trước đó có thể giúp việc khám phá các vật liệu tính toán trở nên dễ tiếp cận hơn đối với các phòng thí nghiệm và công ty nhỏ hơn đồng thời nhắm mục tiêu các thuộc tính liên quan đến chất bán dẫn và làm mát trung tâm dữ liệu.
Vấn đề thực tế không chỉ đơn giản là tạo ra những công thức mới. Các hệ thống AI có thể nhanh chóng tạo ra hàng triệu thiết kế, nhưng một phần lớn có thể không ổn định về mặt hóa học hoặc không phù hợp. Theo MIT, việc xác nhận độ ổn định có thể chiếm khoảng 90% chi phí tính toán để tạo ra các vật liệu có thể sử dụng được và có thể mất hàng tuần hoặc hàng tháng. Chi phí đó có thể mang lại lợi ích cho các tổ chức lớn với tài nguyên máy tính phong phú và hạn chế các nhóm nghiên cứu nhỏ hơn.
Do đó, đóng góp được báo cáo của CrysVCD là một sự thay đổi trong cách sử dụng tính toán. Bằng cách thực thi một bộ quy tắc hóa học có giới hạn trước khi tạo cấu trúc, hệ thống này nhằm mục đích nâng cao tỷ lệ các ứng cử viên sống sót sau quá trình xác nhận sau này. Đây là một tuyên bố hẹp hơn và có thể đo lường được hơn so với việc nói rằng AI đã giải quyết được việc khám phá vật liệu: khuôn khổ này được thiết kế để cải thiện hiệu quả và chất lượng của việc tạo ra ứng cử viên trong các điều kiện cấu trúc và hóa học cụ thể.
Khả năng nhắm mục tiêu các thuộc tính cùng lúc với sự ổn định cũng có thể quan trọng đối với quy trình công việc kỹ thuật. Độ dẫn nhiệt cao có liên quan đến việc làm mát, trong khi tính chất điện môi và đặc tính phân cực có thể liên quan đến các linh kiện điện tử. Nguồn liên kết cụ thể các mục tiêu này với chất bán dẫn và trung tâm dữ liệu, nhưng nó không báo cáo thành phần được sản xuất, triển khai tại hiện trường hoặc cải thiện hiệu suất trong một sản phẩm đang vận hành.
Đối số về khả năng tiếp cận sẽ có ý nghĩa nếu hiệu quả được báo cáo vượt quá cài đặt của nghiên cứu. Giảm việc tạo và sàng lọc lãng phí có thể làm giảm rào cản đối với các nhóm học thuật và các công ty nhỏ hơn đang tìm kiếm vật liệu cho các ứng dụng mục tiêu. Tuy nhiên, tiềm năng đó nên được hiểu là một ý nghĩa nghiên cứu chứ không phải là bằng chứng cho thấy phương pháp này đã được phổ biến rộng rãi, được tích hợp về mặt thương mại hoặc đã được chứng minh trên toàn bộ các vấn đề về vật liệu.
Cơ chế tương tác: Nó thực sự hoạt động như thế nào
Khám phá công nghệ cơ bản đằng sau sự phát triển này một cách tương tác.
crm_get_transaction(id='4092').A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Xem gì tiếp theo
Câu hỏi quan trọng chưa được trả lời là liệu các ứng cử viên ổn định về mặt tính toán của CrysVCD có thể được tổng hợp và hoạt động như dự đoán trong thử nghiệm vật lý hay không. Nguồn tin cho biết phương pháp này hoạt động tốt nhất đối với các cấu trúc rắn có trật tự cao và không hoạt động với mọi loại vật liệu. Công việc tiếp theo sẽ kiểm tra khả năng sao chép giữa các loại vật liệu, mô hình, tính chất và phòng thí nghiệm độc lập, cũng như định lượng tính toán thực tế và tiết kiệm thời gian trong quy trình khám phá hoàn chỉnh.
Bước quan trọng nhất tiếp theo là xác nhận vật lý. Bài báo của MIT mô tả các thế hệ tính toán và các bài kiểm tra độ ổn định, nhưng không nói rằng các ứng cử viên được báo cáo đã được tổng hợp, đo lường trong phòng thí nghiệm, tích hợp vào thiết bị hoặc được thử nghiệm trong các điều kiện hoạt động. Độ ổn định về mặt hóa học và tính toán là những chỉ số cần thiết, nhưng bản thân chúng không chứng minh được rằng vật liệu có thể được sản xuất một cách tiết kiệm hoặc mang lại hiệu quả như mong muốn.
Tính tổng quát là một câu hỏi mở khác. Nguồn tin cho biết CrysVCD hoạt động tốt nhất với các cấu trúc vững chắc có sự sắp xếp bên trong có trật tự cao và không hoạt động với mọi loại vật liệu. Các nghiên cứu tiếp theo sẽ cần chỉ ra cách thức hoạt động của phương pháp này trên các vật liệu ít trật tự hơn, các hệ thống hóa học khác nhau và các tính chất ngoài các ví dụ được thảo luận trong bài viết.
Tỷ lệ phần trăm được báo cáo và so sánh hiệu quả cũng đảm bảo việc nhân rộng cẩn thận. Bài viết không nêu rõ số lượng đầy đủ các thế hệ, thành phần chính xác của các bộ dữ liệu được đánh giá, các mô hình được sử dụng làm đường cơ sở hoặc phần cứng máy tính và tính toán đằng sau tuyên bố về mức độ lớn. Những chi tiết đó sẽ xác định liệu lợi ích có chuyển thành tổng chi phí khám phá thấp hơn trong quy trình làm việc thực tế hay không.
Cuối cùng, các nhà nghiên cứu và người dùng tiềm năng nên theo dõi bằng chứng về việc tích hợp và truy cập. Nguồn tin cho biết khung này có thể được cắm vào các mô hình tạo vật liệu hiện tại và tương lai, nhưng không nêu rõ liệu CrysVCD, các mô hình đã đào tạo, mã hoặc cấu trúc ứng cử viên có được phát hành công khai hay không. Việc sao chép độc lập, kết quả tổng hợp vật lý và đo lường chi phí từ đầu đến cuối minh bạch sẽ làm rõ mức độ chặt chẽ của nghiên cứu với việc phát triển vật liệu thực tế.