L'intelligenza artificiale e la scienza dei materiali: Google DeepMind scopre 2,2 milioni di strutture teoricamente stabili

I ricercatori di Google DeepMind sono stati capaci di scoprire 2,2 milioni di strutture cristalline teoricamente stabili ma mai realizzate sperimentalmente sfruttando le capacità elaborative dell'intelligenza artificiale. La mole di quanto scoperto è di 45 volte superiore a tutte le sostanze di questo tipo individuate nella storia della scienza, come riportato nello studio pubblicato su Nature.

Ekin Dogus Cubuk, coautore dello studio, spiega: "La scienza dei materiali è dove il pensiero astratto incontra l’universo fisico. È difficile immaginare una tecnologia che non possa trarre beneficio dall'impiego di materiali migliori".

Le modalità usate dai ricecatori per la scoperta di materiali rappresentano un punto di partenza che lascia disponibili considerevoli margini di miglioramento immaginando la combinazione di dati storici, potenza di calcolo e le nuove capacità dell'intelligenza artificiale disponibili in futuro.

Del resto fino ad ora la scoperta di nuove strutture cristalline è stata per lo più condotta con un costoso approccio per prove ed errori: la possibilità di utilizzare le capacità dell'intelligenza artificiale consente di progredire verso la scoperta assistita di composti potenzialmente utili con velocità significativamente superiori ai metodi empirici tradizionali.

I ricercatori hanno sfruttato il machine learning sia per generare candidati promettenti, sia per prevedere la loro stabilità: per esempio è stato possibile individuare 52 mila nuovi composti stratificati simili al grafene, tutti candidati potenziali all'impiego nella progettazione di nuovi superconduttori. Con gli apporcci tradizionali sono stati identificati in precedenza solamente un migliaio circa di materiali di questo tipo. E ancora: sono emersi 528 materiali conduttori agli ioni di litio, 25 volte più di uno studio condotto in passato, e anch'essi potenziali candidati per l'evoluzione e il miglioramento delle prestazioni delle batterie ricaricabili.

Questo incredibile database di materiali è stato ottenuto grazie ad uno strumento IA denominato GNoME (Graph Network for Material Exploration) e apre interessanti prospettive di progresso in svariati campi della scienza e della tecnologia, dalle energie rinnovabili alla microelettronica. GNoME è un modello di rete neurale che fa uso di dati in ingresso sotto forma di grafi, paragonabili ai legami tra atomi, caratteristica che rende le reti neurali su grafi particolarmente adatte alla scoperta di nuovi materiali cristallini.

Un'altra pubblicazione su Nature documenta i primi esperimenti già condotti da un gruppo di ricercatori della UC Berkeley/Lawrence Berkeley National Laboratory, che sono stati capaci di creare 41 nuovi composti da un elenco di 58 possibilità, sfruttando le scoperte del team di Google Deep Mind, e ottenendo quindi un tasso di successo del 70%.

Il lavoro dei ricercatori Deep Mind sarà reso disponibile alla comunità scientifica tramite The Materials Project, che potrà accedere alle 381 mila strutture più promettenti tra quelle scoperte così che sia possibile verificare sperimentalmente le loro potenziali applicazioni pratiche. Per comprendere l'entità di tutto ciò basti pensare che prima di queste scoperte il numero di strutture stabili conosciute, a partire da elementi noti da millenni per arrivare ai materiali più recenti, era di circa 48 mila.