Spoj strojnega učenja in robotike pospešuje raziskovanje materialov

V Googlovem oddelku DeepMind so razvili nov algoritem za iskanje stabilnih anorganskih spojin GNoME, katerega rezultate so uspešno uporabili v robotiziranem kemijskem laboratoriju.

Čeprav so med strojno učenimi algoritmi po javni razvpitosti trenutno na prvem mestu generatorji slik in besedil, pa si od strojne inteligence potencialno še več prelomnih odkritij obetamo v naravoslovnih raziskavah ter inženiringu. Za pokušino smo zadnji dve leti lahko opazovali preboj v raziskovanju beljakovin, ki ga je prinesel DeepMindov algoritem AlphaFold, sedaj pa so na redu še anorganske snovi. Tudi stabilnost anorganskih kristalnih struktur se trudimo že dolgo časa raziskovati računsko, oziroma z računalniškimi simulacijami. Skladno z napredkom polprevodnikov in algoritmov je tovrsten trud v zadnjem desetletju zabeležil zaznaven pospešek in v vodilnih bazah podatkov danes najdemo okoli 50.000 "izračunanih" takšnih spojin, za katere znanstveniki menijo, da so stabilne. Toda to je še vedno zgolj desetina od okoli 500.000, kolikor jih je človek odkril doslej, predvsem pa le peščica od milijarde ali več takšnih, za katere predvidevamo, da bi lahko bile še neodkrite.

V DeepMindu so razvili algoritem GNoME (Graph Networks for Materials Exploration), ki imenu primerno uporablja nevronsko mrežo na podlagi grafov (GNN - Graph Neural Network). Poganja dva cevovoda, ki ločeno iščeta nove spojine; eden na podlagi kristalnih struktur, drugi na podlagi kemijskih formul. GNoMe je tako odkril 2,2 milijona potencialno stabilnih novih anorganskih spojin, od katerih za 381.000 menijo, da so vredne stvarne pozornosti, torej poizkusa sinteze v laboratoriju, zato so bazo podatkov dali na razpolago raziskovalni skupnosti in algoritem predstavili v reviji Nature. Strokovnjaki se glede na hitre ocene nadejajo, da bomo med njimi našli obetajoče materiale za razvoj naprednejših baterij, sončnih celic, superprevodnikov in podobnega.

Opisano teoretsko izhodišče ni kaj dosti vredno, če predvidenih snovi ne uspemo tudi ustvariti, in tudi tu v zadnjem času lahko spremljamo skokovit napredek v avtomatizaciji laboratorijskega dela, to se pravi robotizaciji postopkov. V DeepMindu so se tesno povezali s kalifornijskim inštitutom Lawrence Berkeley National Laboratory, kjer je zadnje leto in pol nastajal robotizirani laboratorij AI Lab, ki je tema povezanega članka v Nature. AI Lab ni zgolj robotiziran v smislu, da zna strojno mešati različne snovi in jih segrevati v pečici, temveč je tudi napredno voden. Nadzorni algoritmi se lahko glede na produkte reakcij avtonomno odločajo, kako prirediti postopke, da bi našli izboljšane procese sinteze. Tako je sistem najprej prevzel 58 teoretičnih spojin, ki jih je izračunal GNoME, in jih v 17 dneh dejansko uspel sintetizirati 41; od tega 9 šele po avtomatskem izboljševanju procesov. Od preostalih 17 spojin, ki jih AI Lab ni znal napraviti sam, so jih nekaj nato vendarle uspeli izdelati človeški kemiki, kar kaže, da ima strojni laboratorij še nekaj rezerve. A že sedaj je izkaz sila spodbuden.