Forscher an der Georgia Tech haben ein maschinelles Lernmodell entwickelt, das Materialwissenschaftlern die Entwicklung neuer Polymere erheblich erleichtert.
Polymere sind große Moleküle, die aus langen Reihen von chemischen Bausteinen bestehen. Wir verwenden jeden Tag synthetische Polymere wie Nylon, Polyester oder Kunststoffverpackungen.
Materialwissenschaftler versuchen, neue Anordnungen von Polymeren zu finden, um Materialien mit bestimmten Eigenschaften herzustellen. Wenn man ein Material wollte, das leicht, dehnbar, wasserdicht und hitzebeständig ist, könnte man ein Polymer herstellen, das all diese Eigenschaften hat.
Das Problem ist, dass es ein riesiges Unterfangen ist, herauszufinden, welche Kombination von Chemikalien ein Polymer mit diesen Eigenschaften ergeben würde. Es gibt unendlich viele Kombinationen, und es ist extrem schwierig, vorherzusagen, welche Eigenschaften ein neues Polymer haben wird.
Die Forscher der Georgia Tech trainierten ihr LLM, genannt polyBERT, auf einem Datensatz von 80 Millionen chemischen Polymerstrukturen. Das Ergebnis ist ein Modell, das die Sprache der Chemikalien versteht.
Genauso wie LLMs in einer Sprache wie Englisch ausgebildet werden, versteht polyBERT nun die Grammatik und Syntax, wie sich Chemikalien und Atome verbinden, um Polymere zu bilden.
Die National Science Foundation (NSF) finanzierte die Forschung hinter polyBERT. Deren Programmdirektorin, Debora Rodrigues, sagte, die Forscher entwickelten "ein neues Werkzeug der künstlichen Intelligenz, um die Herausforderung zu meistern, zu bestimmen, welche Kombinationen von Chemikalien die effektivsten Polymere ergeben".
Durch den Einsatz von polyBERT können Materialwissenschaftler Kombinationen von Chemikalien mehr als 100 Mal schneller als bisher durcharbeiten. Das Ergebnis der Verwendung des Modells ist ein Datensatz mit 100 Millionen hypothetischen Polymeren und ihren Vorhersagen für 29 Eigenschaften.
Wenn Sie als Materialwissenschaftler auf der Suche nach einem neuen Material mit ganz bestimmten Eigenschaften sind, brauchen Sie nicht zu experimentieren und auf das Beste zu hoffen, sondern Sie können einfach den von der KI generierten Datensatz konsultieren.
Die Forscher haben polyBERT zwar auf Polymere trainiert, aber sie sagten, dass es theoretisch auch für andere chemische Forschungen verwendet werden könnte.
Die Möglichkeit, Materialien zu entwickeln, die nachhaltiger oder energieeffizienter sind, stellt einen unmittelbaren realen Nutzen der Anwendung dieser Art von künstlicher Intelligenz dar.
