Een nieuwe tool verandert het aanzien van chemisch onderzoek drastisch:kunstmatige intelligentie. In een nieuw artikel gepubliceerd in Natuur , onderzoekers beoordelen de snelle vooruitgang in machine learning voor de chemische wetenschappen.

Bijna elke technologische vooruitgang in de menselijke geschiedenis gaat gepaard met de ontdekking of ontwikkeling van nieuwe materialen, van het mengen van koper en zink om brons te vormen tot de fabricage van hoogwaardige siliciummicrochips die digitale technologie aandrijven.

Het ontwerpen van materialen voor een specifieke vraag is een verbijsterende taak; een willekeurige mix-and-match van atomaire bouwstenen zou een van een oneindig aantal mogelijke verbindingen kunnen opleveren. historisch, de ontdekking van materialen was een combinatie van toeval, intuïtie, en vallen en opstaan, maar dit zou allemaal kunnen veranderen dankzij kunstmatige intelligentie.

Een internationaal team van wetenschappers uit het VK en de VS, inclusief Ph.D. student Daniel Davies van het Centre for Sustainable Chemical Technologies en Department of Chemistry, publiceerde een recensie over het groeiende potentieel van machine learning voor chemisch ontwerp.

Daniel zei:"Machine learning is een tak van kunstmatige intelligentie waarbij computers worden geprogrammeerd door te leren van gegevens. Deze methoden bestaan ​​al een tijdje, veel gebruikt door Google, Yahoo, Amazone enz., voor gerichte reclame, vertaling en spamfiltering bijvoorbeeld.

"Meer recentelijk worden ze gebruikt om zelfrijdende auto's en mensachtige robottechnologie te realiseren. Ze worden nog maar net op grote schaal toegepast in de natuurwetenschappen en hebben enorme implicaties voor de rol die computers in de wetenschap spelen. , het gebruik van 'big data' en kunstmatige intelligentie wordt wel de vierde industriële revolutie of het vierde paradigma van de wetenschap genoemd. Machine learning wordt nu gebruikt om het wetenschappelijke proces te versnellen, het ontwerpen van cruciale materialen en moleculen die we nodig hebben voor duurzame ontwikkeling, sneller.

"Het belangrijkste doel van het artikel is om uit te leggen waar machinaal leren begint te leiden tot specifieke uitdagingen in moleculair en materiaalonderzoek die eenvoudigweg niet zonder kunnen worden opgelost. We identificeren ook enkele belangrijke barrières die vervolgens moeten worden overwonnen. Bijvoorbeeld:manieren vinden waarop chemicaliën en verbindingen worden weergegeven op computers die alleen 'denken' in enen en nullen, is een grote uitdaging.

"Onze laatste samenvatting is:'Aangezien wetenschappers de opname van machine learning met statistisch gestuurd ontwerp in hun onderzoeksprogramma's omarmen, het aantal aanvragen groeit buitengewoon snel. Deze nieuwe generatie computationele wetenschap, ondersteund door een platform van open source-tools en het delen van gegevens, heeft het potentieel om een ​​revolutie teweeg te brengen in het moleculaire en materiaalontdekkingsproces.' Ik denk dat dit de boodschap van thuiskomst goed weergeeft, namelijk dat we voorspellen dat dit gebied een integraal onderdeel van de wetenschappelijke methode zal worden - niet alleen een apart onderzoeksgebied."

Mensen hebben altijd genoten van redeneer- en intuïtiemogelijkheden die die van machines ver overtreffen. Maar wetenschappers beginnen zich nu te wenden tot kunstmatige intelligentie-gestuurde oplossingen om hun eigen materiaalontdekkings- en optimalisatieprocessen te versnellen.

Dr. Keith Butler van ISIS Neutron en Muon Source, hoofdauteur van de recensie, zei:"In traditionele computationele benaderingen, de computer is weinig meer dan een rekenmachine, gebruikmakend van een hardgecodeerd algoritme geleverd door een menselijke expert. Daarentegen, de prestaties van machine learning-technieken verbeteren door steeds meer echte voorbeelden te zien."

Machine learning en kunstmatige intelligentie bieden de mogelijkheid om computers te trainen door gebruik te maken van de eigenschappen van materialen die we al kennen, om de kampioenssystemen van de toekomst te helpen identificeren. Kunstmatige intelligentiebenaderingen houden rekening met alle beschikbare gegevens en vinden trends die een menselijke onderzoeker kan missen vanwege vooringenomenheid in de richting van een bepaalde interpretatie.

Maar wat voedt de vooruitgang op dit gebied? Een belangrijke drijfveer voor de explosie van kunstmatige intelligentie in de chemie is de groei van open source databases.

"Dit is vooral opwindend in de context van een faciliteit als ISIS waar we enorme hoeveelheden gegevens produceren, we zitten op een data-goudmijn en nu beginnen we daar gebruik van te maken, "voegde Dr. Butler toe.