31 miljoonaa uutta materiaalia löytyi tekoälyn avulla: näin mullistuu tieteellinen tutkimus

31 miljoonaa uutta materiaalia löytyi tekoälyn avulla – voiko tiedemaailma enää pysyä perässä?

Aineiden salaperäinen maailma ja tieteen tuskan selkäranka

Kuvittele maailma, jossa kaikki ympärilläsi – puhelimestasi silmälaseihin ja aamukahvikupista mikroprosessoriin – perustuu syvälliseen ymmärrykseen aineiden rakenteesta ja ominaisuuksista. Tämä ei ole tieteisromaania, vaan materiaalitutkijoiden jokapäiväistä duunia. Heillä on yksi tavoite: selvittää, mistä meidän maailmamme on tehty ja miten se toimii, atomiatomilta ja sidossidoselta.

Mutta vaikka tavoite kuulostaa jalolta (ja kieltämättä aika mahtipontiselta), materiaalitieteessä on usein hiki otsalla. Laji istuu monen tieteenalan leikkauspisteessä – sinun täytyy olla perillä kemiasta, mekaniikasta, lämmönjohtavuudesta, sähköisistä ominaisuuksista ja vähän kaikesta muustakin, eikä tämän ristipölytyksen pyörteissä pääse helpolla. Ei ihme, että kehitys on painottunut pieniin askeliin, eikä vallankumoukset ole aivan arkipäivää. Siis, tähän asti.

Tekoäly: uuden ajan laborantti vai vain hyvä PR-kikka?

Viime vuosina materiaalitutkijat ovat suunnanneet katseensa uuteen, uskomattomaan työkalupakkiin: tekoälyyn. Eikä turhaan – tekoäly loistaa silloin, kun ilmiöt ovat inhimilliselle aivolle liian monimutkaisia tai hienovaraisia. Se ei pelkästään pyörittele vitsejä chat-palveluissa, vaan on jo tuonut läpimurtoja perustutkimukseen.

Eräs esimerkki on DeepMindin AlphaFold-algoritmi, joka ravisteli koko proteiinirakenteiden tutkimuskenttää tarjoamalla jättimäisen tietopankin ihmisen proteiinien 3D-rakenteista. Materiaalitutkijat haaveilevatkin nyt vastaavasta vallankumouksesta omalla kentällään – kenties samoilla ominaisuuksilla, jotka tekivät AlphaFoldista tieteen superstar.

Tärkein valtti? Algoritmien yhdistelyvoima. AlphaFold testasi miljardeja yhdistelmiä ja pystyi julkaisemaan tulokset nopeudella, josta perinteiset algoritmit voivat vain haaveilla. Teoriassa tekoäly voisi tutkia atomeja sadoin eri tavoilla ja selvittää, millaisia ominaisuuksia aivan uusilla materiaaleilla voisi olla. Siis – aivan uusia materiaaleja, joita emme vielä edes tunne.

M3GNet – materiaalimaailman oma AlphaFold

Kalifornian yliopiston San Diegossa työskentelevä tutkimusryhmä päätti tarttua haasteeseen ja rakensi tekoälypohjaisen M3GNetin. Heidän tavoitteenaan oli laatia kattava lista materiaaleista, jotka voisivat periaatteessa olla olemassa fysiikan lakien mukaan – mutta joita ei oikeasti kukaan ole vielä koskaan löytänyt. Ja kyllä, tekemisen meininki on käynyt selväksi: tutkijat viittaavat työssään avoimesti AlphaFoldiin ja puhuvat M3GNetistä ”materiaalien AlphaFoldina”.

Mutta käydäänpä hetki läpi, miten tämä taika oikeastaan tapahtui:

• M3GNet päätettiin kouluttaa valtavan Materials Project -tietopankin avulla. Kyseessä on projekti, jossa yritetään rakentaa materiaalien ja niiden ominaisuuksien suuri tietosanakirja.
• Tekoäly purki nämä tiedot osiin, yhdisteli ja rakensi niistä kaikenlaisia uusia mahdollisia kokonaisuuksia – vähän kuin purkaisi vanhan LEGO-talon ja käyttäisi paloja uusiin luomuksiin.
• Lopputuloksena: yli 31 miljoonaa hypoteettista materiaalia! Näistä noin miljoonan uskotaan olevan täysin stabiileja – ainakin teorian valossa.
• Koko komeus on koottu matterverse.ai-nimiseen verkkotietokantaan. Sieltä materiaaleja voi tutkia kuka tahansa kiinnostunut tutkija.

Valtaosa näistä materiaaleista ei ehkä hyödytä käytäntöä, mutta joukossa saattaa lymyillä todellisia aarteita – materiaaleja, joiden ominaisuudet mullistavat esimerkiksi tietyt erikoistilanteet.

Tulevaisuuden käytännöt: Akkusovelluksista tutkimusresepteihin

Jos tutkija tarvitsee tietynlaisia ominaisuuksia sisältävän materiaalin, lista tarjoaa vertailukohtia, joita voi yrittää synteettisesti valmistaa. Tässä ei ole kyse enää pelkästä seikkaulusta, vaan lähestymistavasta, jolla voi hyvinkin olla pian erittäin konkreettisia vaikutuksia.

Tutkimuksen kirjoittajakumppani Shyue Ping Ong mainitsee, että esimerkiksi litiumioniakkujen toiminnassa ratkaisevaa on se, kuinka nopeasti litiumionit liikkuvat akussa. Ja arvaatko mitä? M3GNet pystyy arvioimaan materiaalin litiuminjohtavuutta varsin täsmällisesti, mikä tekee siitä erityisen hyödyllisen työkalun akkuteollisuudelle.

Mutta tämä on vasta alkua. Ongin tiimillä on suunnitelmissa kasvattaa sekä simuloitujen materiaalien että tekoälyn ennustamien ominaisuuksien määrää. Tämä mahdollistaa sen, että mielenkiintoisimmat löytämättömät materiaalit saadaan nopeasti tutkimuksen ja teollisuuden käyttöön.

On todennäköistä, että M3GNetin kaltaisten työkalujen ansiosta sattumanvarainen soutaminen tieteellisen löytämisen aalloilla vähenee merkittävästi. Näin materiaalitutkimuksen tutkimustahti voi lähteä aivan uusiin sfääreihin. Ong kiteyttää: ”Uskomme todella, että M3GNet on mullistava työkalu, joka laajentaa valtavasti kykyämme tutkia uusien materiaalien kemiaa ja rakennetta.”

Lopuksi: Vaikka M3GNet ei vielä ihan yllä AlphaFoldin pökerryttävään valmiusasteeseen, sen potentiaali on samalla viivalla – ja ehkä piankin kehitys ja kilpailijat mullistavat tavan, jolla materiaalitutkimuksen titaanijoukot työskentelevät. Tätä evoluutiota kannattaa seurata – sillä seuraavan teknisen läpimurron aineet saattavat juuri nyt lepäillä matterverse.ai:n tietokannassa odottamassa oikeaa hetkeään.