Jonathan Bean, generální ředitel a spoluzakladatel Materials Nexus – Interview Series

Jonathan Bean je generální ředitel a spoluzakladatel Materials Nexus. S pozadím v teoretické i praktické straně materiálové vědy, Jonathan rychle identifikoval příležitost pro novou platformu modelování materiálů. Jako výzkumník na University of Cambridge založil Materials Nexus, aby urychlil přijetí nových materiálů pro řešení klimatické krize.

Jonathanova disertační práce na University of York se týkala pokročilých modelovacích technik pro polykrystalické materiály.

Vedle své role v Materials Nexus je Jonathan mentorem v Global Talent Mentoring a Leaders in Innovation Fellowships, které pořádá Royal Academy of Engineering. Také vyučuje materiálovou vědu pro inženýry na Trinity College, Cambridge a je hostujícím fellowem na London South Bank University.

Materials Nexus je společnost, která používá umělou inteligenci k vývoji lepších materiálů rychleji než kdykoli předtím.

Můžete sdílet příběh za založením Materials Nexus? Co vás inspirovalo k vytvoření této společnosti a jejímu zaměření na AI-poháněné objevy materiálů?

Ultimately, limit toho, co lze postavit, jsou materiály, které se používají k jeho stavbě; to byla moje motivace ke studiu materiálové vědy. Během mého času na University of Cambridge, pracující s mým spoluzakladatelem Robertem Forrestem, touha urychlit naše výzkum inspirovala náš přechod k vývoji algoritmů strojového učení. To se stalo základem technologie Materials Nexus.

Bylo zřejmé, že tento výzkum může mít pozitivní dopad na svět a jeho přijetí je třeba urychlit. Stejně jako je výkon produktů omezen materiály, je i náš pokrok směrem k nulovým emisím. To nás inspirovalo k založení této společnosti.

Rozhodující silou pro nás jako společnost je zlepšit stav světa, environmentálně, geopoliticky a eticky. Naším cílem je revolucionizovat materiálový průmysl navržením nových materiálů, které splňují rostoucí požadavky na udržitelnost a výkon.

Můžete vysvětlit, jak umělá inteligence transformuje proces objevování materiálů, zejména v kontextu Materials Nexus?

Stejně jako umělá inteligence ovlivnila proces objevování léků, tak také fundamentálně mění objevování materiálů; transformuje typicky založený proces na záměrný návrhový proces. Ale na rozdíl od farmaceutického výzkumu je zde přidána složitost a širší prostor pro hledání napříč celou periodickou tabulkou. V Materials Nexus se díváme na celou délku, od kvantové úrovně po bulk – to znamená, že využíváme nejen kvantové mechaniky pro předpověď složení, ale také modelujeme zpracování a syntézu. To nám umožňuje nejen identifikovat, ale také fyzicky produkovat materiály s vysokým výkonem přesně, během několika měsíců místo desetiletí, což výrazně urychluje proces výzkumu a vývoje.

Jaké jsou klíčové výhody používání umělé inteligence oproti tradičním metodám zkoušek a omylů při vývoji nových materiálů?

Používání umělé inteligence pro objevování materiálů nabízí několik výhod: rychlost, nákladová efektivita a udržitelnost jsou klíčové. Naše platforma poháněná umělou inteligencí může analyzovat rozsáhlé datové sady a předpovídat vlastnosti materiálů přesně, vše předtím, než vkročíme do laboratoře, což činí proces nákladově efektivní a méně plýtvající, protože minimalizuje potřebu drahých a zdrojově náročných experimentů. To také znamená, že procesy, které obvykle trvají dny v laboratoři, mohou být provedeny za hodiny na naší platformě.

Toto nakonec odemyká novou sadu příležitostí s cíleným „návrem“ materiálů vs. objevováním. Je možné začlenit libovolnou datovou sadu nebo parametr materiálu, jako jsou emise CO2, náklady nebo hmotnost, a hledat složení, které odpovídá těmto konkrétním potřebám, otočení „objevování“ procesu vzhůru nohama.

Jakou roli hraje umělá inteligence a strojové učení při snižování environmentálního dopadu výroby materiálů?

Využívání umělé inteligence a strojového učení odemyká novou sadu materiálů prostřednictvím fáze objevování. Na úrovni výroby je dopad tohoto dvojí; prvním je elementární složení materiálů samotných, druhým jsou podmínky zpracování materiálů. Objevování materiálů pomocí umělé inteligence může buď vyloučit specifické prvky, které mají vysokou environmentální cenu (například vzácné zeminy), nebo snížit jejich složkový procentní podíl. Může být také použito k prozkoumání podmínek zpracování (například teploty, tlaku nebo i čistoty rudy) nezbytných pro výrobu materiálu a identifikaci metod s nízkou spotřebou energie. Tyto dva aspekty mohou mít významný dopad na primární emise výroby materiálů. Je však důležité poznamenat, že environmentální dopad jde beyond výroby samotné. Aplikace lepších materiálů, ať už s vysokým výkonem nebo levnějších, může mít obrovský pozitivní sekundární environmentální dopad tím, že činí udržitelné technologie více dostupnými (například levnějšími elektromobily), efektivnějšími (například lepšími počítačovými čipy pro umělou inteligenci) a méně toxickými při jejich likvidaci (například nahrazující hydrofluoruhlovodíky).

Jak Materials Nexus dokázala vytvořit magnet bez vzácných zemin za pouhé tři měsíce, a jaké jsou důsledky tohoto průlomu?

Naše platforma byla schopna analyzovat přes 100 milionů potenciálních složení magnetů bez vzácných zemin, vše předtím, než vkročíme do laboratoře. To znamenalo, že když jsme postoupili do fáze syntézy, již jsme měli přesnou předpověď složení a jeho vlastností.

Důsledky tohoto magnetu jsou významné: průlom jde beyond objevu tohoto singulárního materiálu a signalizuje transformaci staletých materiálů navrhovaných procesů. Jak naše platforma se stává více rozvinutou a inteligentní, budeme moci předpovídat složení ještě rychleji a napříč mnoha materiálovými oblastmi. S 10^100 složeními prvků v periodické tabulce jsou možnosti nekonečné.

Může umělá inteligence potenciálně nahradit vzácné kovy v dalších aplikacích beyond magnetů?

Objevování materiálů pomocí umělé inteligence má potenciál identifikovat a vyvinout alternativní materiály pro širokou škálu aplikací beyond magnetů. V tomto případě byl cílem najít alternativní složení magnetu, které odstraní vzácné prvky, ale naše algoritmy strojového učení jsou navrženy tak, aby se aplikovaly na jakoukoli třídu materiálů. To znamená, že budujeme univerzální platformu navrhování materiálů.

V současné době jsou naše platformové schopnosti zaměřeny na slitiny a keramiku, se zvláštním zaměřením na funkční materiály pro aplikace v oblasti vysokého dopadu zelených technologií, jako jsou elektrické motory, polovodiče, supravodiče a zelený vodík, abychom jmenovali alespoň einige.

Jak spolupráce mezi Materials Nexus, Henry Royce Institute a University of Sheffield zvyšuje vývoj nových materiálů?

Naše spolupráce s klíčovými strategickými partnery napříč inovačním ekosystémem Spojeného království, jako je Henry Royce Institute a University of Sheffield, poskytuje přístup k světové třídě zařízení a odbornosti v specializovaných oblastech materiálové vědy. Tyto partnerství umožňují urychlit syntézu a testování našich předpovědí.

Jaké další sektory mohou profitovat z AI-poháněného objevování materiálů, a jak?

AI-poháněné objevování materiálů může mít dopad na každou třídu materiálů. V Materials Nexus se zaměřujeme na materiály, které jsou považovány za některé z nejobtížnějších a nejdražších, aby se pokročilo a zlepšilo, protože tyto materiály mají potenciál mít největší pozitivní dopad. Každý průmysl bude ovlivněn: energie, letectví, superpočítače, doprava, abychom jmenovali alespoň einige. Například v energetickém sektoru může umělá inteligence pomoci vyvinout více efektivních a udržitelných materiálů pro baterie a solární články. V superpočítačích může to vést k vytvoření nových polovodičových materiálů, které zlepšují kapacitu úložiště dat a zpracování. Povolováním rychlého vývoje materiálů s vysokým výkonem může umělá inteligence pohánět inovace a udržitelnost napříč téměř všemi průmysly.

Jaké budoucí pokroky v AI pro materiálovou vědu můžeme očekávat, a jak budou ovlivňovat různé průmysly?

Naše práce bude pokračovat v posouvání hranic toho, co je možné, a jsme oddáni prolomení těchto bariér. Lepší materiály znamenají lepší inovace, aby se splnily požadavky zítřejších výzev. Budoucnost je omezena pouze naší imaginací.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Materials Nexus.