Ну ты ИИ даешь: умная лаборатория создаст наноматериалы без помощи ученых
Лаборатория под управлением искусственного интеллекта начала работать в Южном федеральном университете. В ней создаются новые наноматериалы. Ученые лишь задают необходимые свойства разработки — дальше все решения принимает машина. Подобные лаборатории значительно ускорят и упростят работу ученых по созданию новых материалов для автомобильной и электронной промышленности, авиастроения и других отраслей, отмечают эксперты. Однако о полной автоматизации научных исследований речь пока не идет.
Анализ и синтез
Ученые Южного федерального университета (ЮФУ) создали самоуправляемую химическую лабораторию. Под руководством искусственного интеллекта (ИИ), без помощи человека, она может заниматься созданием наноматериалов с заданными свойствами. Проведение экспериментов в такой лаборатории ничем не отличается от классической работы ученых — все этапы работы соответствуют обычным химическим опытам — однако функция принятия решений передана от человека машине, объяснил научный руководитель направления наук о материалах ЮФУ Александр Солдатов.
Материалы с заданными свойствами сегодня применяются повсеместно, пояснил «Известиям» сотрудник Лаборатории легких материалов и конструкций Санкт-Петербургского политехнического университета Петра Великого Дмитрий Курушкин. Классическим примером может служить автомобилестроение, где каждая деталь, с одной стороны, в целях безопасности должна поглощать энергию при ударе, а с другой, выполнять свою специфическую функцию. Например, металл для капота должен быть пластичным, а пластик для бампера прочным. Уже на этапе проектировки для каждой детали рассчитываются необходимые свойства. Достичь их можно благодаря поиску или созданию материала, который отвечает нужным требованиям. То же самое происходит в авиастроении, медицине, электроники и других современных производствах.
Новые вещества в лаборатории производятся путем жидкостного синтеза, с помощью технологии микрофлюидики — когда смешиваются мельчайшие объемы различных жидкостей. По ходу экспериментов ИИ непрерывно анализирует полученный образец и делает предсказание: удастся ли в итоге получить желаемый результат или нужно изменить условия синтеза.
— Целью усилий ИИ является максимально быстрое создание наноматериала с заданными свойствами. Причем искусственный интеллект всегда старается выполнить работу без привлечения эксперта и за наименьшее количество операций, — говорит профессор Международного исследовательского института интеллектуальных материалов ЮФУ Мария Бутакова.
Это существенно ускоряет работу по сравнению с традиционным способом, когда всё делается руками сотрудников лаборатории.
При этом искусственный интеллект постоянно развивается. Чем больше собирается данных о выполненных реакциях, тем точнее и быстрее можно получить следующий образец с заранее заданными свойствами. Также совершенствуются и способы дообучения алгоритмов ИИ под поставленную задачу.
В работе самоуправляемой лаборатории используется оригинальное программное обеспечение, созданное ростовскими учеными.
Упрощение рутины
Раньше было очень сложно спрогнозировать свойства тех или иных химических соединений. Человечество получало эти знания опытным путем, рассказывает проректор Томского политехнического университета по цифровизации Александр Фадеев. Системы машинного обучения позволяют спрогнозировать свойства тех соединений, которые до сих пор не были получены. Количество возможных комбинаций химических элементов беспредельно большое, поэтому применение в этой области ИИ существенно облегчит работу ученых. Но надо понимать, что это только упрощение рутинных операций, подчеркивает эксперт.
— Это не значит, что сам процесс научного исследования может быть автоматизирован, так как он слишком нетривиален и непредсказуем. И чем более неожиданным оказывается результат исследования, тем успешнее считается работа ученого. Никакой ИИ пока не способен на такую высокую мыслительную деятельность, — говорит Александр Фадеев.
В области вычислительного материаловедения автоматические вычислительные лаборатории уже реальность, поясняет научный руководитель лаборатории «Моделирование и разработка новых материалов» НИТУ «МИСиС» Игорь Абрикосов. По его мнению, предложенное коллегами из ЮФУ решение — реальный шаг вперед, потому что от автоматической лаборатории, где машина имеет дело с моделями объектов, они предлагают перейти к лаборатории, где ИИ реально создает новые материалы.
Одна из основных идей разработчиков в том, чтобы собрать разрозненные данные об экспериментах воедино и сделать так, чтобы искусственный интеллект мог иметь доступ ко всей имеющейся информации. Анализ этих данных может давать самые неожиданные результаты и заметно ускорять разработку материалов, уверен специалист.
— На создание новых материалов зачастую уходят десятки лет. Для нас в лаборатории НИТУ «МИСиС» сегодня реальная задача — сократить этот срок до 5 лет. Когда материал разрабатывается 20 лет, инженер не может рассчитывать на создание специально для него нового материала. Если срок сократить до пяти лет, инженер может получать материалы на заказ. Автоматическая лаборатория — тоже шаг в этом направлении, — уверен Игорь Абрикосов.
По мнению ученого, первое время в работе самоуправляемой лаборатории могут возникать проблемы, связанные с нестабильностью любого эксперимента и сюрпризами, которые они несут. Пока неизвестно, насколько искусственный интеллект может адекватно реагировать на такие сюрпризы. Также могут возникать вопросы, связанные с безопасностью. Особенно если использовать возможности самоуправляемой лаборатории для изучения, например, опасных вирусов. Всё это необходимо детально проанализировать, резюмировал эксперт.
На взгляд руководителя проектов инжинирингового центра цифровых технологий УрФУ Галымжана Муканова, «умные» лаборатории будут наиболее эффективны в сферах, где необходим полный жизненный цикл разработки материала. Сейчас под каждый тип задачи, входящей в этот цикл, приходится находить своего специалиста. Отдельные люди занимаются описанием свойств и характеристик будущего материала, формированием требований к нему, планированием, учетом необходимых условий экспериментов и т.д. Координация их работы требует усилий и времени. Отдать все этапы на исполнение машине было бы очень удобно, считает Галымжан Муканов.
По его мнению, применять эти технологии можно, к примеру, для создания материалов для микросхем, отладки режимов принтеров для 3D-печати или анализа наиболее подходящих друг другу составных частей композитных материалов, которые используются в авиастроении.
