Dünyanın en gelişmiş malzemelerinin birçok özelliği, nicel modellemenin ulaşamayacağı kadardır. Hans A. Bethe Sanat ve Bilimler Fizik Profesörü Eun-ah Kim’e göre, onları en güçlü yapay zeka tarafından bile, tesadüfi bir kaza ile karıştırılamayan bir insan uzmanının akıl yürütmesi ve sezgisi gerektirir.
Kim ve işbirlikçileri, yeni kuantum materyalleri keşfetme arayışında insan uzmanlarının değerli sezgilerini kapsayan ve ölçen bir makine öğrenme modeli geliştirdiler. Model, Malzeme Uzman-Özel Zekası (ME-AI), “şişe” Bu sezgi bir malzemenin fonksiyonel özelliklerini tahmin eden tanımlayıcılara. Ekip, bir kuantum malzeme problemini çözmek için yöntemi kullandı.
“Uzmanların, özellikle sezgileri ve içgörü bilgisini, uzmanların küratörlüğünü vererek ve modelin temel özelliklerine karar vererek uzmanların bilgisini, özellikle de sezgilerini ve içgörülerini aktardığımız yeni bir paradigma çiziyoruz.” dedi Cornell liderliğindeki Ulusal Bilim Vakfı AI-Malzemeleri Enstitüsü müdürü Kim. “Sonra makine, uzmanların düşündüğünü düşünmek için verilerden öğrenir.”
Kim, ilgili yazarıdır. “Malzemeler Malzeme Keşfi İçin Uzman-Arası Zeka” yayınlandı İletişim Materyalleri.
Princeton Üniversitesi Kimya Doçenti Leslie Schoop ile bir işbirliği olan çalışma, AI-MI’nın serendipitous keşfin aksine hedefli arama yoluyla yeni nesil materyalleri keşfetme vizyonu için bir temel oluşturdu. Kim, bu veri ağırlık görevinin gerekli bir bileşenidir, ancak stratejik olarak dahil edilmesi gerektiğini söyledi.
AI’nın yardımıyla, istenen özellikleri öngören nitelikleri ortaya çıkarmak için insan deneyimleri yoluyla biriken çok sayıda bilgi, ancak araştırmacılara göre, bir uzmanın sezgisi tarafından yönlendirilmeyen ayrım gözetmeyen kaynakların koleksiyonu yanıltıcı olabilir.
Bu işi yapmak için araştırmacılar belirli bir sorun belirlediler. 879 malzemeden oluşan bir gruptan hangisinin belirli, arzu edilen bir özelliği paylaştığını bulmaya çalışırken, Schoop ve araştırma grubu tarafından küratörlü ve etiketlenmiş verileri kullanarak bir makine öğrenimi modeli eğittiler.
Sonuçlarda, ME-AI modeli insan uzman sezgisini yeniden üretti ve üzerine genişledi. Buna ek olarak, ME-AI modeli, farklı bir bileşik seti arasında benzer malzemeleri tahmin eden heyecan verici bir genelleme gösterdi.
“Bulduğumuz şey, bu çerçevenin aslında Leslie’nin içgörüsünü yeniden ürettiği, ancak çiğnememiz için bize daha fazlasını verdi.” Kim dedi. “Araştırmacının verilere yaklaşımı gerçekten etkili olduğunda, aynı kriterlerin bir makine tarafından çoğaltılabileceğini kanıtladı.”
Aslında, model bazı içgörülerle ortaya çıktığında, açıkça üretilmesi istenmemişti, Schoop işyerinde kendi düşünce sürecini tanıdı. “Oh, bu çok mantıklı.”
“İnsan beynine sahip olduğumuz erişim çok sınırlı,” Kim dedi. “Bir insanın bağırsak hissi olduğunda, onu hecelemeleri çok hızlı olur. Doğru olduğunu biliyorlar, ama süreçlerini ifade etmeyeceklerdi.”
Buna karşılık, bir makinenin nasıl bir sonuca varıldığını açıklamakta çok iyi. Araştırmacıların me-ai için vizyonu, sürecin sonuçlarda belirginleşmesi için makineye insan uzmanının sürecine ilişkin fikir vermektir.
Çalışma, AI-MI’da gelecekteki işbirlikleri için, kuantum fiziği ve kimyasını inceleyen malzeme bilim adamlarını makine öğrenimi konusunda uzmanlaşmış bilgisayar bilimcileriyle eşleştiren bir model sunmaktadır.
“AI-Mi, materyalleri keşif ve öğrenmek için AI kullanmanın sınırındadır,” Kim dedi. “Bilimsel keşifte ilerleme kaydetmek istiyorsanız, iyi veri küratörlüğü her şeydir.”
