Управляемые ИИ роботы делают новые материалы, совершенствуют солнечные батареи и другие технологии

 

Ada, робот, управляемый ИИ, ищет новые конструкции солнечных батарей в Университете Британской Колумбии

Алгоритмы принятия решений преобразуют то, как автоматизированные системы оценивают и синтезируют новые соединения. 

В июле 2018 года Кертис Берлингуэтт, ученый—материаловед из Университета Британской Колумбии в Ванкувере, Канада, понял, что тратит время и талант своего аспиранта. Он попросил ее

уточнить ключевой материал в солнечных батареях, чтобы повысить его электропроводность. Но количество потенциальных настроек было подавляющим, от добавления в рецепт следов металлов и других добавок до изменения времени нагрева и сушки. "Есть так много вещей, которые вы можете изменить - вы можете быстро пройти через 10 миллионов дизайнов и их можете протестировать",- говорит Берлингуэтт.

Поэтому он и его коллеги передали усилия на аутсорсинг однорукому роботу, управляемому алгоритмом искусственного интеллекта (ИИ). Робот, получивший название Ada, смешивал различные растворы, отливал их в пленки, выполнял термообработку и другие этапы обработки, проверял проводимость пленок, оценивал их микроструктуру и регистрировал результаты. ИИ интерпретировал каждый эксперимент и определял, что синтезировать дальше. На встрече Общества исследований материалов (MRS) здесь на прошлой неделе Berlinguette сообщила, что система быстро вернулась к рецепту и условиям нагрева, которые создали бездефектные пленки, идеальные для солнечных элементов. "То, что раньше занимало у нас 9 месяцев, теперь занимает у нас 5 дней",- говорит Берлингуэтт.

Другие ученые-материаловеды также сообщили об успехах с такими системами "замкнутого цикла", сочетающие последние достижения в области автоматизации с ИИ, который направляет, как эксперименты должны проходить на лету. Разработчики лекарств, генетики и исследователи в других областях уже объединили ИИ и роботов для разработки и проведения экспериментов, но ученые-материаловеды отстали. Синтезаторы ДНК могут быть запрограммированы на сборку любой комбинации букв ДНК, но нет единого способа синтезировать, обрабатывать или характеризовать материалы, что делает экспоненциально более сложной разработку автоматизированной системы, которая может управляться ИИ. Ученые-материаловеды наконец-то вводят такие системы в Эксплуатацию. "Это очень захватывающая область",-говорит Бенджи Маруяма, ученый-материаловед из Исследовательской лаборатории ВВС США к востоку от Дейтона, штат Огайо. - Замкнутый цикл-это то, что действительно ускорит прогресс в исследованиях материалов на порядки".

С более чем 100 элементами в периодической таблице и возможностью комбинировать их практически неограниченными способами количество возможных материалов огромно. "Хорошая новость заключается в том, что существуют миллионы и миллиарды неоткрытых материалов",-говорит Апурва Мехта, физик-материаловед из Стэнфордского источника синхротронного излучения в Менло-Парке, штат Калифорния. Плохая новость, по его словам, заключается в том, что большинство из них ничем не примечательны, что делает проблему поиска драгоценных камней проблемой иголки в стоге сена.

Роботы уже помогли. В настоящее время они обычно используются для смешивания десятков слегка отличающихся рецептов материала, депонирования их на отдельных пластинах или других платформах, а затем обработки и тестирования их одновременно. Но просто пробираться через рецепт за рецептом-медленный путь к прорыву, говорит Маруяма. "Высокая пропускная способность-это способ провести много экспериментов, но не много инноваций".

Чтобы ускорить процесс, многие команды добавили компьютерное моделирование для прогнозирования формулы вероятных драгоценных камней. "Мы видим лавину захватывающих материалов, поступающих от прогнозирования",-говорит Кристин Перссон из Национальной лаборатории Лоуренса Беркли (LBNL) в Калифорнии, которая управляет крупномасштабным предприятием по прогнозированию, известным как проект материалов. Но эти системы по-прежнему обычно полагаются на аспирантов или опытных ученых, чтобы оценить результаты экспериментов и определить, как действовать дальше. Тем не менее, "людям все еще нужно делать такие вещи, как сон и еда",-говорит Кит Браун, инженер-механик Бостонского университета (BU).

Так, как и Берлингуэтт, Браун и его коллеги построили робототехническую систему, управляемую ИИ. Их целью было найти самые жесткие из возможных 3D-печатных структур. Прочность происходит от смеси высокой прочности и пластичности, и она варьируется в зависимости от деталей конструкции, даже если сам материал не меняется. Предсказать, какая форма будет самой жесткой, невозможно, говорит Браун. "Вы должны провести эксперимент".

В качестве тестового примера команда BU решила сделать солонку размером с бочкообразную конструкцию из пластика. Они варьировали количество стоек, составляющих внешнюю стенку ствола, а также детали формы и ориентации каждой стойки. Тестирование всех возможных комбинаций, около полумиллиона, не было реалистичным. Таким образом, первоначально они заставили своих роботов изготовить 600 структур, которые отбирали полный набор вариантов. Затем что-то вроде тисков сжало каждую из них, пока она не поддалась.

Затем группа добавила алгоритм принятия решений ИИ, который рассчитывал наиболее вероятный следующий лучший дизайн после каждого теста. Программа выявляет тенденции в атрибутах, которые придают прочность, таких как толщина и радиус каждой стойки, чтобы предсказать даже более прочные структуры. "Мы в основном включили машину и вышли за дверь",-говорит Браун. После 24 часов и чуть более 60 проектов система, управляемая ИИ, придумала более жесткий ствол, чем любой из оригинальных проектов.

На встрече MRS было продемонстрировано еще много усилий по замкнутому циклу. Исследователи из Массачусетского технологического института в Кембридже и LBNL независимо разработали автономные системы, чтобы найти лучшую перовскитную фотоэлектрику—дешевые, легкие материалы, которые готовы революционизировать солнечную энергию. Команда из Университета Карнеги-Меллона в Питтсбурге, штат Пенсильвания, сообщила об использовании другой системы ИИ для поиска более безопасных электролитов, несущих заряд, для литий-ионных батарей, которые теперь подвержены возгоранию. И исследователи из Университета Ливерпуля в Соединенном Королевстве разработали набор роботов, управляемых ИИ, чтобы обнаружить новые катализаторы для генерации газообразного водорода, потенциального безуглеродного топлива, из воды.

Исследователи признают, что лишь немногие из этих проектов дали результаты блокбастера. Тем не менее, Маруяма говорит: "Это еще рано". Одна из проблем заключается в том, что сами ученые-материаловеды часто не согласны с тем, как лучше всего связать проводимость материала или другие проверяемые свойства с его структурой, говорит Джон Грегуар, физик из Калифорнийского технологического института в Пасадене. "Если мы не выяснили, как сломать это в сообществе, трудно представить, как мы научим компьютер делать это",-говорит он.

Другая проблема заключается в том, что каждая команда должна разрабатывать свои собственные робототехнические и программные системы, поскольку стандарты еще не сформировались. "Каждый изучает разные способы сделать это",-говорит Джошуа Шриер, вычислительный химик из Университета Фордхэма в Нью-Йорке. В конце концов, сообщество материалов может объединиться вокруг нескольких систем, которые могут использоваться широким кругом исследователей, говорит Шриер. "В течение следующего года или двух, я думаю, мы начнем видеть, что вещи сходятся".