Esplorazione robotica: alla scoperta di nuovi materiali grazie all’IA
➡️ACCEDI A CHATGPT IN ITALIANO CLICCANDO QUI ! ⬅️
Scopri come l’intelligenza artificiale rivoluziona la progettazione di nuovi materiali.
Per progettare nuovi materiali, i ricercatori si avvalgono dell’intelligenza artificiale.
Invece di partire da zero, i ricercatori si basano sulle strutture di materiali già conosciuti e le modificano leggermente, spesso sostituendo un atomo con un atomo simile. Una volta determinata una struttura, è necessario verificare la sua stabilità. A tal fine, i ricercatori utilizzano metodi di simulazione che possono essere eseguiti in un tempo ragionevole solo su supercomputer (server con enormi capacità utilizzati dai ricercatori per eseguire algoritmi esigenti in risorse).
A questi calcoli teorici si aggiunge la ricerca di una sintesi che consenta di ottenere il materiale desiderato. Durante questa fase, ogni campione ottenuto da un protocollo di sintesi testato deve essere caratterizzato (è necessario determinare la natura e la posizione degli atomi che lo costituiscono). Una volta effettuata la caratterizzazione, il ricercatore può analizzare i risultati e scegliere le modifiche da apportare alla sintesi. Seguendo questi passaggi, può richiedere diversi mesi a un fisico per progettare un nuovo materiale e determinare una procedura di sintesi.
Oltre 2,2 milioni di nuove strutture cristalline
GNoME è riuscito rapidamente a determinare più di 2,2 milioni di nuove strutture cristalline (strutture interne dei materiali) che presentano una certa stabilità.
Un’animazione mostra un modello a sfera e bastone di un cristallo che ruota.”
La struttura cristallina del Ba6Nb7O21, uno dei materiali predetti da GNoME. Il bario è in blu, il niobio in grigio e l’ossigeno in blu. Crediti: Materials Project/Berkeley Lab
Robotica IA: Tra la moltitudine di materiali suggeriti dall’intelligenza artificiale, oltre 380.000 contribuiranno ad arricchire il database The Materials Project, fondato da ricercatori dell’Università americana di Berkeley e che funge da vasta biblioteca dei materiali. Questo ampio database consente ai ricercatori di catalogare i materiali e le loro proprietà (se sono conduttori o isolanti, le loro proprietà magnetiche, o se sono già stati osservati sperimentalmente), nonché di calcolarli automaticamente tramite simulazioni quando necessario.
Un network di neuroni
L’approccio dell’intelligenza artificiale GNoME si basa su una categoria di reti neurali specializzate nel trattamento di informazioni che possono essere rappresentate da un grafo. Quest’ultimo è un oggetto matematico composto da nodi collegati tra loro da archi, come nel caso di una struttura cristallina.
L’IA è stata addestrata utilizzando i dati di The Materials Project nel 2018, equivalenti a 69.000 materiali diversi. La rete neurale è in grado di suggerire strutture cristalline derivandole dal database. Una delle caratteristiche principali della loro tecnologia è la capacità di imparare dagli errori (e dai successi). Ogni cristallo proposto passa attraverso una serie di simulazioni (simili a quelle di The Materials Project), e le informazioni recuperate da queste simulazioni vengono successivamente fornite come dati di input e di apprendimento per l’IA. È grazie a questo processo di apprendimento attivo che GNoME riesce a migliorare oltre i dati forniti inizialmente.
Un laboratorio automatico per accelerare il test di questi materiali
Il 29 novembre 2023, gli stessi ricercatori di Berkeley hanno pubblicato su Nature i primi risultati del loro laboratorio automatico che funziona in parte grazie all’intelligenza artificiale, l’A-Lab. Questo laboratorio è in grado di determinare le procedure di sintesi dei materiali basandosi sulla letteratura scientifica e sulle esperienze che ha condotto.
Il laboratorio è composto da diverse parti: bracci robotici, fornelli controllati da computer in grado di riscaldarsi da 600°C a 1100°C, e un analizzatore a raggi X, un dispositivo in grado di determinare la struttura interna di un materiale utilizzando i raggi X. Tutti questi dispositivi all’avanguardia sono gestiti da un’intelligenza artificiale. Quest’ultima è stata addestrata su un database che raccoglie protocolli di sintesi provenienti da circa 25.000 pubblicazioni.
Per estrarre le informazioni cruciali da questi articoli, i ricercatori hanno utilizzato un’altra intelligenza artificiale specializzata nel linguaggio naturale, in grado di interpretare testi scritti dall’essere umano senza la necessità di intervento umano preliminare sul testo. L’intelligenza artificiale è quindi in grado di rilevare le somiglianze tra il materiale preso in esame e quelli della letteratura per determinare le polveri da mescolare, le loro proporzioni e le temperature dei forni necessarie.
100 campioni al giorno
La produzione è gestita automaticamente dai robot. Una volta completata, i bracci robotici polverizzano il solido ottenuto e lo portano all’analizzatore a raggi X. Quest’ultimo utilizza il fenomeno della diffrazione (deviazione dei raggi luminosi causata dalla presenza di oggetti di piccole dimensioni, in questo caso gli atomi che compongono il cristallo). Dai risultati della diffrazione è possibile determinare la natura e la posizione degli atomi nel cristallo analizzato. Questi risultati sono poi utilizzati, analogamente alle simulazioni per GNoME, per riaddestrare il modello e aggiustare le produzioni proposte.
Grazie a questa automazione, il laboratorio è riuscito a determinare in 17 giorni la sintesi di 41 materiali (su 58 analizzati), a un ritmo di 100 campioni al giorno. Questo tasso, di circa due materiali al giorno, consente un’accelerazione nella ricerca di materiali innovativi, ricordando che un essere umano può impiegare diversi mesi per un solo materiale.