Forskere ved Georgia Tech har utviklet en maskinlæringsmodell som gjør det mye enklere for materialforskere å utvikle nye polymerer.
Polymerer er store molekyler som er laget av lange kjeder av kjemiske byggesteiner. Vi bruker syntetiske polymerer som nylon, polyester eller plastemballasje hver dag.
Materialforskere prøver å finne nye sammensetninger av polymerer for å lage materialer med spesifikke egenskaper. Hvis du ville ha et materiale som var lett, elastisk, vanntett og varmebestandig, kunne du lage en polymer som hadde alle disse egenskapene.
Problemet er at det er en enorm oppgave å finne ut hvilken kombinasjon av kjemikalier som vil skape en polymer med disse egenskapene. Det finnes uendelig mange kombinasjoner, og det er ekstremt vanskelig å forutsi hvilke egenskaper en ny polymer vil ha.
Den Georgia Tech-forskere har trent sin LLM, kalt polyBERT, på et datasett med 80 millioner kjemiske polymerstrukturer. Resultatet er en modell som forstår kjemikaliespråket.
På samme måte som LLM-er får opplæring i et språk som engelsk, forstår polyBERT nå grammatikken og syntaksen i hvordan kjemikalier og atomer kombineres for å skape polymerer.
National Science Foundation (NSF) finansierte forskningen bak polyBERT. Programdirektør Debora Rodrigues sa at forskerne "utviklet et nytt verktøy for kunstig intelligens for å løse utfordringen med å finne ut hvilke kombinasjoner av kjemikalier som gir de mest effektive polymerene".
Ved å bruke polyBERT kan materialforskere jobbe seg gjennom kombinasjoner av kjemikalier mer enn 100 ganger raskere enn før. Resultatet av å bruke modellen er et datasett som omfatter 100 millioner hypotetiske polymerer og deres prediksjoner for 29 egenskaper.
Hvis du er en materialforsker på jakt etter et nytt materiale med helt spesifikke egenskaper, trenger du ikke å eksperimentere og håpe på det beste, du kan bare konsultere datasettet som AI-en har generert.
Forskerne trente polyBERT på polymerer, men de sa at den i teorien også kan brukes til annen kjemisk forskning.
Potensialet for å skape materialer som er mer bærekraftige eller energieffektive, er en umiddelbar fordel ved å ta i bruk denne typen kunstig intelligens.
