Model kecerdasan buatan yang mengubah teks menjadi gambar juga berguna untuk menghasilkan bahan baru. Selama beberapa tahun terakhir, model materi generatif dari perusahaan seperti Google, Microsoft, dan Meta telah menggambar pada data pelatihan mereka untuk membantu para peneliti merancang puluhan juta bahan baru.
Tetapi ketika datang untuk merancang bahan dengan sifat kuantum eksotis seperti superkonduktivitas atau keadaan magnetik yang unik, model -model itu berjuang. Sayang sekali, karena manusia bisa menggunakan bantuannya. Misalnya, setelah satu dekade penelitian ke dalam kelas bahan yang dapat merevolusi komputasi kuantum, yang disebut cairan spin kuantum, hanya selusin kandidat material yang telah diidentifikasi. Kemacetan berarti ada lebih sedikit bahan untuk disajikan sebagai dasar untuk terobosan teknologi.
Sekarang, peneliti MIT telah mengembangkan teknik yang memungkinkan model bahan generatif populer membuat bahan kuantum yang menjanjikan dengan mengikuti aturan desain tertentu. Aturan, atau kendala, model steer untuk membuat bahan dengan struktur unik yang menimbulkan sifat kuantum.
“Model -model dari perusahaan -perusahaan besar ini menghasilkan bahan yang dioptimalkan untuk stabilitas,” kata Mingda Li, profesor pengembangan karir MIT Class of 1947. “Perspektif kami adalah biasanya tidak bagaimana sains material maju. Kami tidak membutuhkan 10 juta bahan baru untuk mengubah dunia. Kami hanya membutuhkan satu materi yang sangat baik.”
Pendekatan ini dijelaskan hari ini dalam sebuah makalah yang diterbitkan oleh Bahan Alam. Para peneliti menerapkan teknik mereka untuk menghasilkan jutaan bahan kandidat yang terdiri dari struktur kisi geometris yang terkait dengan sifat kuantum. Dari kolam itu, mereka mensintesis dua bahan aktual dengan sifat magnetik eksotis.
“Orang-orang di komunitas kuantum sangat peduli dengan kendala geometris ini, seperti kisi kagome yang dua segitiga terbalik yang tumpang tindih. Kami menciptakan bahan dengan kisi kagome karena bahan-bahan itu dapat meniru perilaku unsur-unsur tanah jarang, sehingga mereka memiliki kepentingan teknis yang tinggi.” Li berkata.
Li adalah penulis senior makalah ini. Rekan penulis MIT-nya termasuk mahasiswa PhD Ryotaro Okabe, Mouyang Cheng, Abhijatmedhi Chotrattanapituk, dan Denisse Cordova Carrizales; mandal postdoc manasi; peneliti sarjana Kiran Mak dan Bowen Yu; Cendekiawan yang berkunjung Nguyen Tuan Hung; Xiang Fu ’22, PhD ’24; dan Profesor Teknik Listrik dan Ilmu Komputer Tommi Jaakkola, yang merupakan afiliasi dari Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) dan Institut untuk Data, Sistem, dan Masyarakat. Rekan penulis tambahan termasuk Yao Wang dari Emory University, Weiwei Xie dari Michigan State University, Yq Cheng dari Oak Ridge National Laboratory, dan Robert Cava dari Princeton University.
Model kemudi menuju dampak
Sifat material ditentukan oleh strukturnya, dan bahan kuantum tidak berbeda. Struktur atom tertentu lebih mungkin menimbulkan sifat kuantum eksotis daripada yang lain. Misalnya, kisi-kisi persegi dapat berfungsi sebagai platform untuk superkonduktor suhu tinggi, sementara bentuk lain yang dikenal sebagai kisi kagome dan LIEB dapat mendukung pembuatan bahan yang dapat berguna untuk komputasi kuantum.
Untuk membantu kelas populer model generatif yang dikenal sebagai model difusi menghasilkan bahan yang sesuai dengan pola geometris tertentu, para peneliti menciptakan scigen (kependekan dari integrasi kendala struktural dalam model generatif). Scigen adalah kode komputer yang memastikan model difusi mematuhi kendala yang ditentukan pengguna pada setiap langkah generasi berulang. Dengan scigen, pengguna dapat memberikan aturan struktural geometris model geometris AI generatif untuk diikuti saat menghasilkan bahan.
Model difusi AI bekerja dengan mencicipi dari dataset pelatihan mereka untuk menghasilkan struktur yang mencerminkan distribusi struktur yang ditemukan dalam dataset. Scigen memblokir generasi yang tidak selaras dengan aturan struktural.
Untuk menguji scigen, para peneliti menerapkannya pada model pembuatan bahan AI populer yang dikenal sebagai DiffCSP. Mereka memiliki model yang dilengkapi scigen menghasilkan bahan dengan pola geometris unik yang dikenal sebagai kisi Archimedean, yang merupakan koleksi tiling kisi 2D dari berbagai poligon. Kisi -kisi Archimedean dapat menyebabkan serangkaian fenomena kuantum dan telah menjadi fokus banyak penelitian.
“Kisi-kisi Archimedean memunculkan cairan spin kuantum dan apa yang disebut pita datar, yang dapat meniru sifat-sifat tanah jarang tanpa elemen tanah jarang, sehingga mereka sangat penting,” kata Cheng, seorang penulis yang berkoresponden dari karya tersebut. “Bahan kisi Archimedean lainnya memiliki pori -pori besar yang dapat digunakan untuk penangkapan karbon dan aplikasi lainnya, jadi ini adalah kumpulan bahan khusus. Dalam beberapa kasus, tidak ada bahan yang diketahui dengan kisi itu, jadi saya pikir akan sangat menarik untuk menemukan bahan pertama yang sesuai dengan kisi itu.”
Model ini menghasilkan lebih dari 10 juta kandidat material dengan kisi Archimedean. Satu juta bahan tersebut selamat dari skrining untuk stabilitas. Menggunakan superkomputer di Oak Ridge National Laboratory, para peneliti kemudian mengambil sampel yang lebih kecil dari 26.000 bahan dan menjalankan simulasi terperinci untuk memahami bagaimana atom yang mendasari bahan berperilaku. Para peneliti menemukan magnetisme di 41 persen dari struktur tersebut.
Dari subset itu, para peneliti mensintesis dua senyawa yang sebelumnya belum ditemukan, TipDBI dan Tipbsb, di Xie dan Cava’s Labs. Eksperimen selanjutnya menunjukkan prediksi model AI yang sebagian besar selaras dengan sifat material yang sebenarnya.
“Kami ingin menemukan bahan -bahan baru yang dapat memiliki dampak potensial yang sangat besar dengan memasukkan struktur ini yang telah diketahui menimbulkan sifat kuantum,” kata Okabe, penulis pertama kertas tersebut. “Kami sudah tahu bahwa bahan -bahan ini dengan pola geometris spesifik menarik, jadi wajar untuk memulai dengan mereka.”
Mempercepat terobosan material
Cairan spin kuantum dapat membuka kunci komputasi kuantum dengan mengaktifkan qubit yang stabil dan tahan kesalahan yang berfungsi sebagai dasar operasi kuantum. Tetapi tidak ada bahan cairan spin kuantum yang telah dikonfirmasi. Xie dan Cava percaya Scigen bisa mempercepat pencarian bahan -bahan ini.
“Ada pencarian besar untuk bahan komputer kuantum dan superkonduktor topologi, dan ini semua terkait dengan pola geometris bahan,” kata Xie. “Tapi kemajuan eksperimental sangat, sangat lambat,” tambah Cava. “Banyak dari bahan cairan spin kuantum ini dapat dikendalikan: mereka harus berada di kisi segitiga atau kisi kagome. Jika bahan memenuhi kendala tersebut, para peneliti kuantum menjadi bersemangat; itu adalah kondisi yang diperlukan tetapi tidak cukup. Jadi, dengan menghasilkan banyak bahan seperti itu, ia segera memberikan ratusan atau ribuan candidate dengan calon yang lebih banyak untuk ditampilkan dengan calon yang lebih kandidat.
“Pekerjaan ini menyajikan alat baru, meningkatkan pembelajaran mesin, yang dapat memprediksi bahan mana yang akan memiliki elemen spesifik dalam pola geometris yang diinginkan,” kata Profesor Universitas Drexel Steve May, yang tidak terlibat dalam penelitian ini. “Ini harus mempercepat pengembangan bahan yang sebelumnya belum dijelajahi untuk aplikasi dalam teknologi elektronik, magnetik, atau optik generasi berikutnya.”
Para peneliti menekankan bahwa eksperimen masih penting untuk menilai apakah bahan yang dihasilkan AI dapat disintesis dan bagaimana sifat aktualnya dibandingkan dengan prediksi model. Pekerjaan di masa depan pada Scigen dapat memasukkan aturan desain tambahan ke dalam model generatif, termasuk kendala kimia dan fungsional.
“Orang yang ingin mengubah kepedulian dunia tentang sifat material lebih dari stabilitas dan struktur bahan,” kata Okabe. “Dengan pendekatan kami, rasio bahan stabil turun, tetapi membuka pintu untuk menghasilkan sejumlah besar bahan yang menjanjikan.”
Pekerjaan ini didukung, sebagian, oleh Departemen Energi AS, Pusat Komputasi Ilmiah Penelitian Energi Nasional, National Science Foundation, dan Oak Ridge National Laboratory.
