Forskare vid Georgia Tech har utvecklat en maskininlärningsmodell som gör det mycket enklare för materialforskare att utveckla nya polymerer.
Polymerer är stora molekyler som består av långa strängar av kemiska byggstenar. Vi använder syntetiska polymerer som nylon, polyester eller plastförpackningar varje dag.
Materialforskare försöker komma på nya sätt att arrangera polymerer för att skapa material med specifika egenskaper. Om man vill ha ett material som är lätt, töjbart, vattentätt och värmetåligt kan man tillverka en polymer som har alla dessa egenskaper.
Problemet är att det är en enorm uppgift att räkna ut vilken kombination av kemikalier som skulle skapa en polymer med dessa egenskaper. Det finns oändligt många kombinationer och det är extremt svårt att förutsäga vilka egenskaper en ny polymer kommer att ha.
Den Forskare från Georgia Tech tränade sin LLM, kallad polyBERT, på ett dataset med 80 miljoner polymera kemiska strukturer. Resultatet är en modell som förstår kemikaliernas språk.
På samma sätt som LLM:s utbildas i ett språk som engelska, förstår polyBERT nu grammatiken och syntaxen för hur kemikalier och atomer kombineras för att skapa polymerer.
National Science Foundation (NSF) finansierade forskningen bakom polyBERT. Dess programdirektör, Debora Rodrigues, sa att forskarna "utvecklar ett nytt verktyg för artificiell intelligens för att övervinna utmaningen att bestämma vilka kombinationer av kemikalier som kommer att göra de mest effektiva polymererna."
Med hjälp av polyBERT kan materialforskare arbeta sig igenom kombinationer av kemikalier mer än 100 gånger snabbare än tidigare. Resultatet av att använda modellen är ett dataset som omfattar 100 miljoner hypotetiska polymerer och deras förutsägelser för 29 egenskaper.
Om du är materialforskare och letar efter ett nytt material med mycket specifika egenskaper behöver du inte experimentera och hoppas på det bästa, du kan bara konsultera den dataset som AI:n genererade.
Forskarna tränade polyBERT på polymerer, men sa att den teoretiskt sett skulle kunna användas även för annan kemisk forskning.
Möjligheten att skapa material som är mer hållbara eller energieffektiva innebär en omedelbar nytta i verkligheten av att tillämpa den här typen av artificiell intelligens.
