S generativní AI se v posledních dvou letech roztrhl pořádný pytel. A tak, zatímco si pomalu zvykáme na umělou inteligenci píšící, malující, překládající, komponující nebo vytvářející excelové funkce, hlásí se jaksi na okraji celé té záře reflektorů o slovo generativní umělá inteligence v přírodních vědách.
Během uplynulých staletí usilovného zkoumání objevili lidé stovky tisíc stabilních chemických sloučenin, které slouží nebo by mohly sloužit jako materiály. Umělá inteligence k nim za kratičkou dobu přidala dalších skoro čtyři sta tisíc.
Výzkumná laboratoř umělé inteligence Google DeepMind totiž vyvinula systém GNoME (graph networks for materials exploration, česky tedy grafové sítě pro průzkum materiálů), který nechali hrát si s daty z databáze Materials Project. Kombinováním a úpravou složení už známých materiálů vymyslel GNoME na 2,2 milionu nových sločenin, pak zváldl vypočíst, zda budou stabilní, a nakonec ještě určil jejich krystalickou strukturu. Nakonec tak vědci mohli do databáze Materials Project přidat 381 000 nových materiálů. „Je to jako ChatGPT pro objevování materiálů,“ popsala lapidárně fungování a úspěchy GNoMEu Carla Gomes z Cornell University.
Tím ale úspěchy umělé inteligence na poli výzkumu materiálů ani zdaleka nekončí. Jedna věc je totiž existenci nějaké látky předpovědět, a něco úplně jiného ji vyrobit. V tu chvíli přichází ke slovu druhý AI systém – takzvaný A-lab, vyvinutý Lawrence Berkley National Laboratory a University of California. A-lab je unikátní svým spojením pokročilé umělé inteligence s pokročilou robotikou. Umělá inteligence posoudí materiál, který má vyrobit, a najde nějaký podobný, který už vyrobit umí. Následně vybere z více takový výrobní postup, který se jí zdá nejlepší, a robotické rameno ho fyzicky provede. Pokud se ani po několika pokusech nedostaví úspěch, navrhne algoritmus umělé inteligence úpravu postupu, který robotické rameno opět vykoná. To se opakuje tak dlouho, dokud se kýžený materiál nepodaří vyrobit.
Na začátku tohoto konkrétního pokusu zadali vědci A-labu, aby vyrobil 58 materiálů. 32 z nich zvládl A-lab vytvořit na první dobrou, dalších 9 až po několika úpravách postupu. Zbylých 17 nakonec vyrobit nezvládl a vědci mu museli pomoct. I tak se ale jedná o obrovský úspěch, když zvážíme že 70 % nových materiálů zvládl A-lab vyrobit prakticky od píky úplně sám.
To alespoň tvrdí jeho tvůrci. Někteří jiní vědci mají po přečtení jejich článku pochybnosti a upozorňují, že analýza vyrobených látek není jednoznačná, a je potřeba tvrzení o 41 nově vyrobených materiálech brát s rezervou.
Ačkoli vynalézavost GNoME a schopnost A-lab vymýšlet nové recepty nám už teď mohou připadat fascinující, je to jen zběžný náhled na možnosti budoucnosti. Znalosti, které tyto a podobné systémy v budoucnu pomohou vytvořit, je svým významem nejspíše ještě zdaleka přesáhnou.
Zdroje k hlubšímu bádání:
- Umělá inteligence vymýšlí tisíce nových materiálů. Na baterie, solární panely i mikročipy. Dostupné z: https://ct24.ceskatelevize.cz/clanek/veda/umela-inteligence-vymysli-tisice-novych-materialu-na-baterie-solarni-panely-i-mikrocipy-343857.
- Google AI and robots join forces to build new materials. Dostupné z: https://www.nature.com/articles/d41586-023-03745-5.
- Robot chemist sparks row with claim it created new materials. Dostupné z: https://www.nature.com/articles/d41586-023-03956-w
- Merchant, A. et al. Scaling deep learning for materials discovery. Nature 624, 80–85 (2023). doi.org/10.1038/s41586-023-06735-9.
- Szymanski, N. J. et al. An autonomous laboratory for the accelerated synthesis of novel materials. Nature 624, 86–91 (2023). doi.org/10.1038/s41586-023-06734-w.
