Interviews

Jonathan Bean, CEO & Co-Founder of Materials Nexus – Intervieuserie

mm
Føj Unite.AI til dine foretrukne kilder på Google

Jonathan Bean er CEO & Co-Founder af Materials Nexus. Med en baggrund i både den teoretiske og praktiske ingeniørside af materialevidenskab, var Jonathan hurtig til at identificere muligheden for en ny materialemodelleringplatform. Mens han var forsker ved University of Cambridge, grundlagde han Materials Nexus for at accelerere optaget af nye materialer for at løse klimakrisen.

Jonathan’s PhD-forskning ved University of York var om avancerede modelleringsteknikker for polykristallinske materialer.

Sammen med sin rolle hos Materials Nexus, er Jonathan mentor med Global Talent Mentoring og Leaders in Innovation Fellowships, der afholdes af Royal Academy of Engineering. Han underviser også i Materials Science for Engineers ved Trinity College, Cambridge og er Visiting Fellow ved London South Bank University.

Materials Nexus er et selskab, der bruger AI til at skabe overlegne materialer hurtigere end nogensinde før.

Kan du dele historien bag grundlæggelsen af Materials Nexus? Hvad inspirerede skabelsen af selskabet og dens fokus på AI-dreven materialeopdagelse?

Til sidst er grænsen for, hvad der kan bygges, de materialer, der bruges til at bygge det; det var min motivation til at studere materialevidenskab. Under min tid ved University of Cambridge, hvor jeg arbejdede med min medstifter Robert Forrest, inspirerede ønsket om at gøre vores forskning hurtigere os til at udvikle maskinelæringsalgoritmer. Dette blev grundlaget for Materials Nexus’ teknologi.

Det var klart, at denne forskning kunne have en positiv indvirkning på verden, og dens optagelse behøvede at accelereres. På samme måde er produktionspræstationen begrænset af materialer, så er vores fremgang mod netto-nul. Dette inspirerede os til at grundlægge virksomheden.

En drivende kraft for os som selskab er at forbedre verdens tilstand, miljømæssigt, geopolitisk og etisk. Vores mål er at revolutionere materialeindustrien ved at designe nye materialer, der opfylder de voksende krav til både bæredygtighed og præstation.

Kan du forklare, hvordan AI transformerer processen for materialeopdagelse, især i sammenhæng med Materials Nexus?

På samme måde, som AI påvirkede lægemiddelopdagelsesprocessen, ændrer det også fundamentalt materialeopdagelse; transformerer, hvad der typisk er en prøve-og-fejl-baseret tilgang til en intention-baseret designproces. Men til forskel fra farmaceutisk forskning, er der den ekstra kompleksitet og en bredere søgefelt på hele det periodiske system. Hos Materials Nexus ser vi på hele længdeskalaen, fra kvantum niveau til bulk – dette betyder, at vi ikke kun udnytter kvantemekanik til sammensætningsprædiktion, men også modellerer proces- og synteseteknikker. Dette giver os mulighed for ikke kun at identificere, men også fysisk at producere højpræstationsmaterialer nøjagtigt, på få måneder i stedet for årtier, hvilket betydeligt accelererer udviklingsprocessen.

Hvad er de vigtigste fordele ved at bruge AI i stedet for traditionelle prøve-og-fejl-metoder til udvikling af nye materialer?

At bruge AI til materialeopdagelse tilbyder flere fordele: hastighed, omkostningseffektivitet og bæredygtighed er nøglefaktorer. Vores AI-drevne platform kan analysere enorme datasæt og forudsige materialeegenskaber nøjagtigt, alt før vi træder ind i et laboratorium, hvilket gør processen kosteffektiv og mindre spildende, da det minimiserer behovet for dyre og ressourcekrævende eksperimenter. Dette betyder, at processer, der normalt tager dage i et laboratorium, kan udføres på få timer på vores platform.

Dette låser op for en ny sæt muligheder med målrettet materiale “design” i stedet for opdagelse. Det er muligt at inkorporere ethvert datasæt eller materialeparameter, såsom CO2-udledning, omkostning eller vægt, og søge efter sammensætninger, der matcher disse specifikke behov, hvilket vender “opdagelsesprocessen” på hovedet.

Hvad er rollen for AI og maskinelæring i reducering af miljøpåvirkningen af materialeproduktion?

At udnytte AI og maskinelæring låser op for en enorm ny sæt muligheder for materialeopdagelse gennem opdagelsesfasen. Hos Materials Nexus kan AI-materialeopdagelse enten udelukke bestemte elementer, der har en høj miljømæssig omkostning (f.eks. sjældne jordarter), eller reducere deres sammensætningsprocent. Det kan også bruges til at se på procesbetingelser (f.eks. temperatur, tryk eller renheden af malm) krævet til at lave materialet og identificere lavenergimethoder. Disse to aspekter kan have en betydelig indvirkning på den primære emission af materialeproduktion. Det er dog vigtigt at bemærke, at miljøpåvirkning går ud over produktion alene. Anvendelsen af overlegne materialer, både højpræstations- eller billigere, kan have en enormt positiv sekundær miljøpåvirkning ved at gøre bæredygtige teknologier mere tilgængelige (f.eks. billigere elbiler), mere effektive (f.eks. bedre computerchips til AI) og mindre giftige i deres slut-forbrugsafhænding (f.eks. erstatning af hydrofluorcarboner).

Hvordan formåede Materials Nexus at skabe et sjælden-jord-frit magnet i kun tre måneder, og hvad er implikationerne af denne gennembrud?

Vores platform kunne analysere over 100 millioner potentielle sammensætninger af sjælden-jord-frie magneter, alt før vi trådte ind i et laboratorium. Dette betød, at da vi gik videre til syntesefasen, havde vi allerede en nøjagtig forudsigelse af sammensætningen og dens egenskaber.

Implikationerne af dette magnet er betydelige: gennembruddet går ud over opdagelsen af dette enkeltstående materiale og signalerer transformationen af århundreder-gamle materiale-designprocesser. Da vores platform bliver mere udviklet og intelligent, vil vi være i stand til at forudsige sammensætninger endnu hurtigere og på tværs af multiple materialeområder. Med 10100 sammensætninger af elementer på det periodiske system er mulighederne uendelige.

Kan AI potentielt erstatte sjældne jordarter i andre anvendelser ud over magneter?

AI-dreven materialeopdagelse har potentialet til at identificere og udvikle alternative materialer til en bred vifte af anvendelser ud over magneter. I dette tilfælde var målet at finde en alternativ magnet-sammensætning, der fjernede sjældne jordarter, men vores maskinelærings-søgealgoritmer er bygget til at blive anvendt på ethvert materialeklasse. Dette betyder, at vi bygger en universel materiale-design-platform.

Hvordan samarbejdet mellem Materials Nexus, Henry Royce Institute og University of Sheffield forbedrer udviklingen af nye materialer?

Vores samarbejder med nøglestrategiske partnere på Storbritanniens innovations-økosystem, såsom Henry Royce Institute og University of Sheffield, giver adgang til verdensklasse-faciliteter og ekspertise i specialiserede områder af materialevidenskab. Disse partnerskaber giver os mulighed for at accelerere syntesen og testningen af vores forudsigelser.

Hvilke andre sektorer kan drage fordel af AI-dreven materialeopdagelse, og hvordan?

AI-dreven materialeopdagelse kan påvirke hver materialeklasse. Hos Materials Nexus fokuserer vi på materialer, der anses for at være nogle af de sværeste og dyreste at udvikle og forbedre, da de har potentialet til at have den største positive indvirkning. Hver industri vil blive påvirket: energi, luftfart, supercomputing, transport, for at nævne nogle. F.eks. kan AI i energisektoren hjælpe med at udvikle mere effektive og bæredygtige materialer til batterier og solceller. I supercomputing kan det føre til skabelsen af nye halvleder-materialer, der forbedrer data-lagring og -behandlingsevner. Ved at muliggøre den hurtige udvikling af højpræstationsmaterialer, kan AI drive innovation og bæredygtighed på tværs af næsten alle industrier.

Hvad fremtidige fremskridt i AI til materialevidenskab kan vi forvente at se, og hvordan vil de påvirke forskellige industrier?

Vores arbejde vil fortsætte med at udvide grænserne for, hvad der er muligt, og vi er dedikeret til at bryde disse barrierer. Overlegne materialer betyder overlegen innovation for at møde morgendagens udfordringer. Fremtiden er kun begrænset af vores imagination.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Materials Nexus.

Antoine er en visionær leder og medstifter af Unite.AI, drevet af en urokkelig passion for at forme og fremme fremtiden for AI og robotteknologi. En serieiværksætter, han tror, at AI vil være lige så omvæltende for samfundet som elektricitet, og han bliver ofte fanget i at tale om potentialet for omvæltende teknologier og AGI.

Som en futurist, er han dedikeret til at udforske, hvordan disse innovationer vil forme vores verden. Derudover er han grundlægger af Securities.io, en platform, der fokuserer på at investere i skarp teknologi, der gendefinerer fremtiden og omformer hele sektorer.