L’intelligenza artificiale, grazie al lavoro dei ricercatori di Google DeepMind, ha permesso di identificare 2,2 milioni di strutture cristalline teoricamente stabili, ma mai realizzate sperimentalmente. Questa quantità rappresenta un incremento di 45 volte rispetto a tutte le sostanze cristalline scoperte nella storia della scienza. Questo risultato straordinario è stato pubblicato in uno studio su Nature.
Ekin Dogus Cubuk, coautore dello studio, mette in evidenza l’importanza della scienza dei materiali, un campo dove il pensiero astratto si fonde con l’universo fisico, e sottolinea l’importanza dei materiali migliori per lo sviluppo tecnologico. Le tecniche utilizzate dai ricercatori per scoprire questi materiali aprono nuove strade, promettendo ulteriori miglioramenti attraverso la combinazione di dati storici, potenza di calcolo e le future capacità dell’intelligenza artificiale.
Tradizionalmente, la scoperta di nuove strutture cristalline si basava su un approccio costoso di tentativi ed errori. L’impiego dell’intelligenza artificiale, invece, ha accelerato significativamente la scoperta di composti utili. I ricercatori hanno utilizzato il machine learning per generare candidati promettenti e prevedere la loro stabilità. Tra le scoperte, spiccano 52.000 nuovi composti stratificati, simili al grafene, con potenziali applicazioni nella progettazione di nuovi superconduttori, e 528 materiali conduttori agli ioni di litio, utili per l’evoluzione delle batterie ricaricabili.
GNoME: strumento chiave nell’esplorazione dei materiali
GNoME (Graph Network for Material Exploration) è lo strumento IA che ha reso possibile questo incredibile database di materiali. Utilizza un modello di rete neurale basato su grafi, simili ai legami tra atomi, rendendolo particolarmente efficace nella scoperta di nuovi materiali cristallini. Questo strumento apre prospettive di progresso in diversi settori, dall’energia rinnovabile alla microelettronica.
Un’altra ricerca pubblicata su Nature ha evidenziato i risultati concreti raggiunti da un team di ricercatori della UC Berkeley/Lawrence Berkeley National Laboratory, che hanno creato 41 nuovi composti da un elenco di 58 possibilità, sfruttando le scoperte di Google Deep Mind, ottenendo così un tasso di successo del 70%. Inoltre, le 381 mila strutture più promettenti tra quelle scoperte saranno messe a disposizione della comunità scientifica tramite The Materials Project, per ulteriori verifiche e applicazioni pratiche.