Inteligența artificială ancorată în fizică ar putea face predicțiile despre materiale noi mai ușor de testat
Inteligența artificială este tot mai des folosită pentru descoperirea de materiale noi, însă abordările convenționale bazate pe date se pot confrunta cu dificultăți în a-și explica predicțiile, în a funcționa în afara datelor pe care au fost instruite și în a rămâne consecvente cu legile fizicii. O nouă lucrare propune un cadru numit Physics-Grounded Materials AI (PhysMat AI), care integrează cunoștințe fizice fundamentale în procesul de descoperire a materialelor.
Cercetarea a fost publicată în revista Advanced Functional Materials. „Descoperirea materialelor nu se poate baza doar pe corelații în date”, afirmă Hao Li, profesor distins la Institutul Avansat pentru Cercetarea Materialelor (WPI-AIMR) de la Universitatea Tohoku. „Prin incorporarea principiilor fizice în IA, putem face predicțiile sale mai interpretabile, mai testabile și mai semnificative din perspectiva științei materialelor.”
Comportamentul materialelor este guvernat de factori precum termodinamica, cinetica, structura electronică, procesele de transport și mediile de operare. Cercetătorii susțin că integrarea acestor cunoștințe în sistemele de IA poate ajuta descoperirea materialelor să treacă dincolo de predicția bazată pe corelații, către raționament bazat pe principii fizice.
Cadrul organizează cunoștințele fizice în cinci roluri complementare: cunoștințe prealabile, descriptori, constrângeri, verificatori și infrastructură. Aceste roluri pot ghida modul în care sunt reprezentate datele despre materiale, modul în care modelele de IA raționează despre materialele potențiale și modul în care predicțiile lor sunt evaluate în raport cu principiile fizice.
Lucrarea prezintă exemple din domeniul catalizei, al electroliților solizi pentru baterii cu stare solidă și al materialelor de stocare a hidrogenului. În aceste zone, principiile fizice pot ajuta la definirea unor spații de căutare relevante, la evaluarea materialelor prezise și la conectarea predicțiilor generate de IA cu mecanisme care pot fi testate experimental.
Cercetătorii discută, de asemenea, cum agenții de IA ar putea combina aceste componente conștiente de fizică cu baze de date științifice, simulări și date experimentale. Astfel de sisteme ar putea ajuta la formularea de ipoteze, la selectarea instrumentelor științifice adecvate și la evaluarea fezabilității fizice a materialelor propuse.
Autorii propun o cale de dezvoltare de la IA conștientă de fizică, care încorporează cunoștințe fizice în sistemele de IA, la IA cu raționament fizic, care poate folosi aceste cunoștințe în raționamentul științific, și, în final, la IA autonomă din punct de vedere fizic, care ar putea integra raționamentul fizic, simulările și experimentele într-un proces continuu de descoperire.
Cadrul oferă o modalitate de a conecta predicția bazată pe IA cu principiile consacrate ale științei materialelor. Dezvoltarea ulterioară ar putea susține descoperirea de materiale pentru tehnologiile energetice, inclusiv catalizatori, baterii cu stare solidă și materiale de stocare a hidrogenului, contribuind totodată la creșterea interpretabilității și testabilității experimentale a predicțiilor generate de IA.
