به گزارش اکوایران، کشف و توسعه مواد جدید نقش مهمی در شکل‌گیری تمدن‌ها داشته است، از عصر برنز گرفته تا انقلاب صنعتی و فراتر از آن. امروزه، هوش مصنوعی در حال متحول کردن علم مواد است و شیوه کشف، طراحی و آزمایش مواد جدید را دگرگون می‌کند.

به نوشته ساینس الرت، در طول تاریخ، موادی مانند برنز، شیشه و پلاستیک باعث پیشرفت‌های فناوری شده‌اند. برنز که آلیاژی از مس و قلع است، ابزار و سلاح‌ها را متحول کرد. اختراع شیشه در حدود 3500 سال پیش از میلاد در بین‌النهرین، ساخت‌وساز و هنر را تغییر داد. در قرن بیستم، پلاستیک، سرامیک و ابررساناها صنایع مختلفی از الکترونیک تا پزشکی را پیش بردند.

کشف مواد جدید به‌طور سنتی فرآیندی آهسته و پرهزینه بوده و بر پایه آزمون و خطا انجام می‌شده است. اما هوش مصنوعی، به‌ویژه یادگیری ماشینی، این حوزه را با سرعتی بی‌سابقه متحول می‌کند. الگوریتم‌های یادگیری ماشینی می‌توانند حجم عظیمی از داده‌ها را تجزیه‌وتحلیل کرده و موادی با ویژگی‌های مشخص طراحی کنند. رویکرد جدیدی به نام «هوش مصنوعی مولد» امکان ایجاد مواد جدید را بر اساس ویژگی‌های مطلوب فراهم می‌کند.

مایکروسافت اخیرا دو ابزار هوش مصنوعی، MatterGen و MatterSim را معرفی کرده است که در کشف مواد جدید همکاری می‌کنند. MatterGen مواد بالقوه جدیدی تولید می‌کند و MatterSim آن‌ها را از نظر امکان‌پذیری واقعی بررسی و تأیید می‌کند. این ابزارها می‌توانند مواد را با ویژگی‌های الکترونیکی، مکانیکی و مغناطیسی دقیق‌تر و کارآمدتر از روش‌های سنتی طراحی کنند.

گوگل دیپ‌مایند نیز مدل هوش مصنوعی Gnome را توسعه داده است که با استفاده از یادگیری عمیق، پایداری مواد جدید را پیش‌بینی می‌کند. در مطالعه‌ای در سال 2023، Gnome موفق به شناسایی 2.2 میلیون ماده پایدار جدید شد که 736 مورد از آن‌ها به‌طور تجربی تأیید شده‌اند. این روش مبتنی بر هوش مصنوعی در مقایسه با روش‌های سنتی، بهبودی ده برابری در کشف مواد ارائه می‌دهد.

در حالیکه مدل‌های هوش مصنوعی مایکروسافت و گوگل بر کشف مواد متمرکزند، رویکردهای متفاوتی دارند. Gnome ساختارهای موجود را بهبود می‌بخشد تا مواد پایدار را بیابد، در حالیکه MatterGen ساختارهای کاملا جدیدی بر اساس نیازهای طراحی ایجاد می‌کند. این ابزارها در کنار هم روش‌های مکملی برای تسریع پیشرفت‌های علمی ارائه می‌دهند.

کاربردهای کشف مواد با هوش مصنوعی بسیار گسترده است. در حوزه انرژی، این فناوری می‌تواند به طراحی باتری‌های کارآمدتر و بادوام‌تر کمک کند که برای پذیرش انرژی‌های تجدیدپذیر ضروری است. در پزشکی، مواد ساخته‌شده با هوش مصنوعی می‌توانند ایمپلنت‌ها، دستگاه‌های پزشکی و سیستم‌های انتقال دارو را بهبود بخشند. صنعت هوافضا نیز می‌تواند از مواد سبک و بادوام برای افزایش ایمنی هواپیماها و فضاپیماها بهره ببرد. علاوه بر این، مواد طراحی‌شده با هوش مصنوعی می‌توانند چالش‌های زیست‌محیطی مانند جذب کربن، تصفیه آب و مدیریت پسماند را حل کنند.

با پیشرفت هوش مصنوعی در علم مواد، این فناوری می‌تواند نوآوری را در صنایع مختلف به پیش ببرد و باعث پیشرفت‌های تحول‌آفرین در فناوری، پایداری و مراقبت‌های بهداشتی شود.