Yapay zekanın (AI) yeni malzemelerin yapılarını ve özelliklerini özerk bir şekilde hayal ettiği ve tahmin ettiği bir çağ geldi. Günümüzde yapay zeka, araştırmacının “ikinci beyni” olarak işlev görüyor ve fikir üretiminden deneysel doğrulamaya kadar araştırmanın her aşamasına aktif olarak katılıyor.
Kapsamlı bir inceleme makalesi yayınlandı ACS Nano Yapay zeka, makine öğrenimi (ML) ve derin öğrenme (DL) teknolojilerinin malzeme bilimi ve mühendisliği üzerindeki etkisini analiz eder. Makale, Profesör Seungbum Hong ve KAIST Malzeme Bilimi ve Mühendisliği Bölümü’nden ekibi tarafından, Amerika Birleşik Devletleri’ndeki Drexel Üniversitesi, Northwestern Üniversitesi, St Andrews Üniversitesi ve Tennessee Üniversitesi’nden araştırmacıların işbirliğiyle yazılmıştır.
Araştırma ekibi, robotların özerk bir şekilde malzeme sentezi ve optimizasyon deneyleri gerçekleştirdiği bir sistem olan kendi kendini yöneten bir laboratuvar konseptini bünyesinde barındıran yapay zeka tabanlı bir katalizör arama platformu aracılığıyla malzeme yeniliği için tam döngülü bir kullanım stratejisi önerdi.
Profesör Hong’un ekibi malzeme araştırmasını üç ana aşamaya (keşif, geliştirme ve optimizasyon) ayırdı ve her aşamada yapay zekanın ayırt edici rolünü ayrıntılı olarak açıkladı:
Keşif aşamasında yapay zeka yeni yapılar tasarlıyor, özellikleri tahmin ediyor ve geniş aday havuzları arasından en umut verici malzemeleri hızla belirliyor.
Geliştirme aşamasında yapay zeka, deneysel verileri analiz eder ve kendi kendine çalışan laboratuvar sistemleri aracılığıyla deneysel süreçleri otonom bir şekilde ayarlayarak araştırma zaman çizelgelerini önemli ölçüde kısaltır.
Optimizasyon aşamasında yapay zeka, maksimum performans için tasarımlara ve süreç koşullarına ince ayar yapmak üzere minimum denemeyle verimli bir şekilde üstün sonuçlar bulan Bayesian optimizasyonu yoluyla optimum koşulları tanımlayan takviyeli öğrenmeyi kullanır.
Yapay zeka, özünde, en umut verici malzemeleri daraltan, deneysel deneme ve yanılmaları azaltan ve en iyi performansa sahip sonuçları elde etmek için deneysel koşulları özerk bir şekilde optimize eden bir “akıllı asistan” görevi görüyor.
Makale ayrıca üretken yapay zeka, grafik sinir ağları (GNN’ler) ve transformatör modelleri gibi en son teknolojilerin yapay zekayı bir hesaplama aracından “düşünen bir araştırmacıya” nasıl dönüştürdüğünü vurguluyor. Bununla birlikte ekip, yapay zekanın tahminlerinin hatasız olmadığı ve dengesiz veri kalitesi, yapay zeka tahminlerinin sınırlı yorumlanabilirliği ve heterojen veri kümelerinin entegrasyonu gibi temel zorlukların devam ettiği konusunda uyarıyor.
Bu sınırlamaları ele almak için yazarlar, fiziksel prensipleri özerk bir şekilde anlayabilen ve araştırmacılar için şeffaf, doğrulanabilir karar verme süreçleri sağlayabilen yapay zeka sistemleri geliştirmenin önemini vurgulamaktadır.
İnceleme aynı zamanda yapay zekanın bağımsız olarak deneysel planlar tasarladığı, sonuçları analiz ettiği ve araştırmacıların manuel müdahalesine gerek kalmadan bir sonraki deneysel adımları belirlediği sürücüsüz laboratuvar konseptini de araştırıyor. Yapay zeka tabanlı katalizör arama platformu, robotların katalizör sentezi deneylerini otomatik olarak tasarlamasına, yürütmesine ve optimize etmesine olanak tanıyarak bu konsepti örneklendiriyor.
Çalışma özellikle yapay zeka destekli deneylerin katalizör gelişimini önemli ölçüde hızlandırdığı vakaları sunuyor ve benzer yaklaşımların pil ve enerji malzemeleri araştırmalarında devrim yaratabileceğini öne sürüyor.
Profesör Seungbum Hong, “Bu inceleme, yapay zekanın, malzeme bilimi ve mühendisliğinin yeni dili olarak ortaya çıktığını ve salt bir araç rolünün ötesine geçtiğini gösteriyor” dedi. “KAIST ekibi tarafından sunulan yol haritası, piller, yarı iletkenler ve enerji malzemeleri de dahil olmak üzere Kore’nin ulusal temel endüstrilerindeki araştırmacılar için değerli bir rehber görevi görecek.”
