Istraživači iz Ilmenaua revolucioniraju znanost o materijalima pomoću umjetne inteligencije!

Istraživači iz Ilmenaua revolucioniraju znanost o materijalima pomoću umjetne inteligencije!

Dana 23. rujna 2025. istraživači na Tehnološkom sveučilištu Ilmenau predstavili su značajan napredak u istraživanju materijala. Razvijanjem mreže za praćenje grafikona koja može i predviđati i isporučivati ​​interpretabilne rezultate, uvode novu eru umjetne inteligencije u znanosti. Studija, koja se temelji na opsežnom skupu podataka od 10 000 kvantno mehanički izračunatih optičkih spektara, provedena je u HPC klasteru na TU Ilmenau i predstavlja inovativan pristup analizi materijala. TU Ilmenau izvještava da je ovaj model sposoban generirati razumljivu "kartu" materijalnog prostora.

Tim koristi UMAP (Uniform Manifold Approximation and Projection) za vizualizaciju visokodimenzionalnih podataka. Ovo otkriva kako mreža kategorizira materijale na temelju njihovih kemijskih principa. Max Großmann, koautor studije, naglašava da ovo predstavlja značajan napredak prema interpretabilnoj umjetnoj inteligenciji za znanost o materijalima. Ove nove metode omogućuju precizniju identifikaciju materijala, poboljšavajući ne samo brzinu, već i točnost predviđanja.

Inovativne tehnike istraživanja materijala

Studija koristi prijenos učenja za prilagodbu već uvježbanih modela novim zadacima. Grubi podaci koriste se za prethodno podešavanje modela. Visokoprecizni RPA podaci zatim poboljšavaju predviđanja. Prema prof. Erichu Rungeu, drugom koautoru, moderni algoritmi pokazuju obećavajuće pristupe rješavanju izazova u znanosti o materijalima. Njihova predviđanja nisu samo točna, već su i bliska eksperimentalnim rezultatima, promičući razumijevanje temeljnih principa.

Drugi ključni aspekt studije je potencijal za ubrzanje razvoja novih održivih materijala. To bi moglo rezultirati materijalima koji, primjerice, omogućuju učinkovitiju pretvorbu sunčeve svjetlosti u električnu energiju, što je posebno važno u vrijeme klimatskih promjena i energetske tranzicije.

Grafikon Attention Networks – Nova dimenzija u AI

Temeljni dio istraživanja temelj je na kojem se temelji mreža pažnje na grafu, koju su uspostavili drugi znanstvenici poput Petra Veličkovića i njegovih kolega. Njihov rad, objavljen u radu pod naslovom "Graph Attention Networks", opisuje nove arhitekture neuronskih mreža za podatke strukturirane grafovima. Ove arhitekture koriste maskirane samopažljive slojeve za prevladavanje nekih nedostataka prethodnih metoda temeljenih na konvolucijama grafova. Rezultati su impresivni; GAT modeli postigli su izvanredne rezultate u četiri glavna mjerila transduktivnih i induktivnih grafova, kao što su Cora i Pubmed. arxiv dokumentira ovaj izvanredan razvoj.

Kombinacija ovih inovativnih pristupa ne samo da predstavlja korak u budućnost znanosti o materijalima, već također pokazuje kako AI i strojno učenje mogu revolucionirati postojeće procese. Nove metode i modeli stvaraju jasnu perspektivu o izazovima i prilikama koje će odgovorno korištenje resursa ponuditi u nadolazećim godinama.

Izvorne publikacije koje detaljnije objašnjavaju ovaj razvoj su:
– M. Grunert, M. Großmann, E. Runge, “Strojno učenje se penje po Jacobovoj ljestvici optoelektroničkih svojstava”, Nat. Komun. 16, 8142 (2025).
– M. Grunert, M. Großmann, E. Runge, “Otkriće održivih energetskih materijala putem strojno naučenog materijalnog prostora”, Small, 2412519 (2025).