Pembuatan baterai yang lebih baik, perangkat elektronik yang lebih cepat, dan obat-obatan yang lebih efektif bergantung pada penemuan bahan baru dan verifikasi kualitasnya. Kecerdasan buatan membantu mengatasi hal tersebut, dengan alat yang menyisir katalog material untuk dengan cepat menandai kandidat yang menjanjikan.
Namun begitu suatu bahan dibuat, verifikasi kualitasnya masih memerlukan pemindaian dengan instrumen khusus untuk memvalidasi kinerjanya – sebuah langkah mahal dan memakan waktu yang dapat menghambat pengembangan dan distribusi teknologi baru.
Kini, alat AI baru yang dikembangkan oleh para insinyur MIT dapat membantu mengatasi hambatan kontrol kualitas, menawarkan opsi yang lebih cepat dan lebih murah untuk industri berbasis material tertentu.
Dalam sebuah penelitian yang muncul hari ini di jurnal Urusanpara peneliti menghadirkan “SpectroGen,” alat AI generatif yang meningkatkan kemampuan pemindaian dengan berfungsi sebagai spektrometer virtual. Alat ini mengambil “spektra”, atau pengukuran suatu material dalam satu modalitas pemindaian, seperti inframerah, dan menghasilkan spektrum material tersebut jika dipindai dengan modalitas yang sama sekali berbeda, seperti sinar-X. Hasil spektral yang dihasilkan AI cocok, dengan akurasi 99 persen, dengan hasil yang diperoleh dari pemindaian fisik material dengan instrumen baru.
Modalitas spektroskopi tertentu mengungkapkan sifat spesifik suatu material: Inframerah mengungkapkan kelompok molekul suatu material, sementara difraksi sinar-X memvisualisasikan struktur kristal material, dan hamburan Raman menerangi getaran molekul suatu material. Masing-masing properti ini penting dalam mengukur kualitas material dan biasanya memerlukan alur kerja yang membosankan pada beberapa instrumen yang mahal dan berbeda untuk mengukurnya.
Dengan SpectroGen, para peneliti membayangkan bahwa keragaman pengukuran dapat dilakukan dengan menggunakan lingkup fisik tunggal dan lebih murah. Misalnya, lini produksi dapat melakukan pengendalian kualitas bahan dengan memindainya menggunakan kamera inframerah tunggal. Spektrum inframerah tersebut kemudian dapat dimasukkan ke dalam SpectroGen untuk secara otomatis menghasilkan spektrum sinar-X material, tanpa pabrik harus memiliki dan mengoperasikan laboratorium pemindaian sinar-X yang terpisah dan seringkali lebih mahal.
Alat AI baru menghasilkan spektrum dalam waktu kurang dari satu menit, seribu kali lebih cepat dibandingkan pendekatan tradisional yang memerlukan waktu beberapa jam hingga berhari-hari untuk mengukur dan memvalidasi.
“Kami pikir Anda tidak perlu melakukan pengukuran fisik dengan semua modalitas yang Anda perlukan, tapi mungkin hanya dengan satu modalitas, sederhana, dan murah,” kata rekan penulis studi Loza Tadesse, asisten profesor teknik mesin di MIT. “Kemudian Anda dapat menggunakan SpectroGen untuk menghasilkan sisanya. Dan ini dapat meningkatkan produktivitas, efisiensi, dan kualitas produksi.”
Penulis utama studi ini adalah mantan postdoc MIT Yanmin Zhu.
Di luar obligasi
Kelompok interdisipliner Tadesse di MIT memelopori teknologi yang memajukan kesehatan manusia dan planet, mengembangkan inovasi untuk aplikasi mulai dari diagnostik penyakit secara cepat hingga pertanian berkelanjutan.
“Mendiagnosis penyakit, dan analisis material secara umum, biasanya melibatkan pemindaian sampel dan pengumpulan spektrum dalam modalitas berbeda, dengan instrumen berbeda yang berukuran besar dan mahal serta mungkin tidak semuanya dapat Anda temukan di satu laboratorium,” kata Tadesse. “Jadi, kami bertukar pikiran tentang cara membuat miniatur semua peralatan ini dan cara menyederhanakan jalur pipa eksperimental.”
Zhu mencatat meningkatnya penggunaan alat AI generatif untuk menemukan bahan baru dan kandidat obat, dan bertanya-tanya apakah AI juga dapat dimanfaatkan untuk menghasilkan data spektral. Dengan kata lain, bisakah AI bertindak sebagai spektrometer virtual?
Spektroskop menyelidiki sifat-sifat suatu material dengan mengirimkan cahaya dengan panjang gelombang tertentu ke dalam material tersebut. Cahaya tersebut menyebabkan ikatan molekul dalam material bergetar sedemikian rupa sehingga menyebarkan cahaya kembali ke ruang lingkup, di mana cahaya tersebut direkam sebagai pola gelombang, atau spektrum, yang kemudian dapat dibaca sebagai tanda struktur material.
Agar AI dapat menghasilkan data spektral, pendekatan konvensional akan melibatkan pelatihan algoritme untuk mengenali hubungan antara atom fisik dan fitur dalam suatu material, serta spektrum yang dihasilkannya. Mengingat kompleksitas struktur molekul hanya dalam satu bahan, Tadesse mengatakan pendekatan seperti itu dapat dengan cepat menjadi sulit dilakukan.
“Melakukan hal ini bahkan hanya untuk satu bahan saja adalah hal yang mustahil,” katanya. “Jadi, kami berpikir, apakah ada cara lain untuk menafsirkan spektrum?”
Tim menemukan jawabannya dengan matematika. Mereka menyadari bahwa pola spektral, yang merupakan rangkaian bentuk gelombang, dapat direpresentasikan secara matematis. Misalnya, spektrum yang berisi serangkaian kurva lonceng dikenal sebagai distribusi “Gaussian”, yang dikaitkan dengan ekspresi matematika tertentu, dibandingkan dengan serangkaian gelombang yang lebih sempit, yang dikenal sebagai distribusi “Lorentzian”, yang dijelaskan oleh algoritma yang terpisah dan berbeda. Dan ternyata, untuk sebagian besar material, spektrum inframerah secara karakteristik mengandung lebih banyak bentuk gelombang Lorentzian, sedangkan spektrum Raman lebih bersifat Gaussian, dan spektrum sinar-X merupakan campuran keduanya.
Tadesse dan Zhu mengerjakan interpretasi matematis data spektral ini ke dalam algoritme yang kemudian dimasukkan ke dalam model AI generatif.
“Ini adalah AI generatif yang memahami fisika dan memahami apa itu spektrum, “kata Tadesse. “Dan kunci barunya adalah, kami menafsirkan spektrum bukan sebagai sesuatu yang berasal dari bahan kimia dan ikatan, tetapi bahwa itu sebenarnya adalah matematika — kurva dan grafik, yang dapat dipahami dan diinterpretasikan oleh alat AI.”
Tanggal co-pilot
Tim mendemonstrasikan alat SpectroGen AI mereka pada kumpulan data besar yang tersedia untuk umum yang berisi lebih dari 6.000 sampel mineral. Setiap sampel mencakup informasi tentang sifat mineral, seperti komposisi unsur dan struktur kristalnya. Banyak sampel dalam kumpulan data juga menyertakan data spektral dalam modalitas berbeda, seperti sinar-X, Raman, dan inframerah. Dari sampel ini, tim memasukkan beberapa ratus sampel ke SpectroGen, dalam proses yang melatih alat AI, yang juga dikenal sebagai jaringan saraf, untuk mempelajari korelasi antara modalitas spektral mineral yang berbeda. Pelatihan ini memungkinkan SpectroGen mengambil spektrum material dalam satu modalitas, seperti inframerah, dan menghasilkan spektrum dalam modalitas yang sama sekali berbeda, misalnya sinar-X.
Setelah mereka melatih alat AI, para peneliti memasukkan spektrum SpectroGen dari mineral dalam kumpulan data yang tidak disertakan dalam proses pelatihan. Mereka meminta alat tersebut untuk menghasilkan spektrum dalam modalitas yang berbeda, berdasarkan spektrum “baru” ini. Spektrum yang dihasilkan AI, menurut mereka, sangat mirip dengan spektrum mineral sebenarnya, yang awalnya direkam oleh instrumen fisik. Para peneliti melakukan tes serupa dengan sejumlah mineral lain dan menemukan bahwa alat AI dengan cepat menghasilkan spektrum, dengan korelasi 99 persen.
“Kami dapat memasukkan data spektral ke dalam jaringan dan mendapatkan jenis data spektral lain yang sangat berbeda, dengan akurasi sangat tinggi, dalam waktu kurang dari satu menit,” kata Zhu.
Tim mengatakan bahwa SpectroGen dapat menghasilkan spektrum untuk semua jenis mineral. Dalam lingkungan manufaktur, misalnya, bahan berbasis mineral yang digunakan untuk membuat semikonduktor dan teknologi baterai pertama-tama dapat dipindai dengan cepat menggunakan laser inframerah. Spektrum dari pemindaian inframerah ini dapat dimasukkan ke dalam SpectroGen, yang kemudian akan menghasilkan spektrum dalam sinar-X, yang dapat diperiksa oleh operator atau platform AI multiagen untuk menilai kualitas material.
“Saya menganggapnya sebagai memiliki agen atau kopilot, yang mendukung peneliti, teknisi, jaringan pipa, dan industri,” kata Tadesse. “Kami berencana untuk menyesuaikannya dengan kebutuhan industri yang berbeda.”
Tim ini sedang mencari cara untuk mengadaptasi alat AI untuk diagnosis penyakit, dan pemantauan pertanian melalui proyek mendatang yang didanai oleh Google. Tadesse juga memajukan teknologinya melalui startup baru dan membayangkan SpectroGen tersedia untuk berbagai sektor, mulai dari farmasi, semikonduktor, hingga pertahanan.
