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

Jonathan Bean adalah CEO & Co-Founder dari Materials Nexus. Dengan latar belakang di kedua sisi teoretis dan praktis ilmu material, Jonathan cepat mengidentifikasi peluang untuk platform pemodelan material baru. Saat menjadi peneliti di University of Cambridge, ia mendirikan Materials Nexus untuk mempercepat penggunaan material baru untuk mengatasi krisis iklim.

Penelitian PhD Jonathan di University of York tentang teknik pemodelan lanjutan untuk material polikristal.

Selain perannya di Materials Nexus, Jonathan adalah mentor dengan Global Talent Mentoring dan Leaders in Innovation Fellowships yang dijalankan oleh Royal Academy of Engineering. Ia juga mengajar Ilmu Material untuk Insinyur di Trinity College, Cambridge dan merupakan Fellow Tamu di London South Bank University.

Materials Nexus adalah perusahaan yang menggunakan AI untuk membuat material superior lebih cepat dari sebelumnya.

Apakah Anda dapat membagikan cerita di balik pendirian Materials Nexus? Apa yang menginspirasi pembentukan perusahaan dan fokusnya pada penemuan material yang didorong AI?

Pada akhirnya, batas apa yang dapat dibangun adalah material yang digunakan untuk membangunnya; itu adalah motivasi saya untuk mempelajari ilmu material. Selama waktu saya di University of Cambridge, bekerja dengan co-founder saya Robert Forrest, keinginan untuk membuat penelitian kami lebih cepat menginspirasi kami untuk mengembangkan algoritma pembelajaran mesin. Ini menjadi dasar teknologi Materials Nexus.

Jelas bahwa penelitian ini dapat memiliki dampak positif di dunia dan adopsinya perlu dipercepat. Dengan cara yang sama, kinerja produk terbatas oleh material, sehingga kemajuan kita menuju net-zero. Ini yang menginspirasi kami untuk mendirikan bisnis.

Sebuah kekuatan pendorong bagi kami sebagai perusahaan adalah untuk memperbaiki keadaan dunia, secara lingkungan, geopolitik, dan etis. Tujuan kami adalah untuk merevolusi industri material dengan merancang material baru yang memenuhi tuntutan yang meningkat untuk keberlanjutan dan kinerja.

Apakah Anda dapat menjelaskan bagaimana AI mengubah proses penemuan material, terutama dalam konteks Materials Nexus?

Dalam cara yang sama AI mempengaruhi proses penemuan obat, AI juga mengubah penemuan material; mengubah apa yang biasanya menjadi pendekatan berbasis trial-and-error menjadi proses desain berbasis niat. Tapi tidak seperti penelitian farmasi, ada kompleksitas tambahan dan ruang pencarian yang lebih luas di seluruh tabel periodik. Di Materials Nexus, kami melihat seluruh skala, dari tingkat kuantum hingga bulk – ini berarti bahwa kami tidak hanya menggunakan mekanika kuantum untuk prediksi komposisi tetapi juga memodelkan teknik pemrosesan dan sintesis. Ini memungkinkan kami untuk tidak hanya mengidentifikasi, tetapi juga secara fisik menghasilkan material berkinerja tinggi secara akurat, dalam waktu beberapa bulan bukan dekade, sehingga mempercepat proses R&D secara signifikan.

Apa manfaat utama menggunakan AI daripada metode trial-and-error tradisional dalam mengembangkan material baru?

Menggunakan AI untuk penemuan material menawarkan beberapa keuntungan: kecepatan, efisiensi biaya, dan keberlanjutan menjadi kunci. Platform AI kami dapat menganalisis dataset yang luas dan memprediksi sifat material secara akurat, semua sebelum memasuki laboratorium, membuat proses ini efektif biaya dan kurang membuang-buang, karena meminimalkan kebutuhan untuk eksperimen yang mahal dan intensif sumber daya. Ini juga berarti proses yang biasanya memakan waktu beberapa hari di laboratorium dapat dilakukan dalam beberapa jam di platform kami.

Ini pada akhirnya membuka peluang baru dengan “desain” material yang ditargetkan vs. penemuan. Memungkinkan untuk mengincorporasi set data atau parameter material apa pun, seperti emisi CO2, biaya, atau berat, dan mencari komposisi untuk memenuhi kebutuhan spesifik tersebut, membalik proses “penemuan” pada kepalanya.

Bagaimana peran AI dan pembelajaran mesin dalam mengurangi dampak lingkungan dari produksi material?

Menggunakan AI dan pembelajaran mesin membuka peluang material baru melalui fase penemuan. Di tingkat produksi, dampaknya dua kali lipat; pertama adalah komposisi elemen material itu sendiri, kedua adalah kondisi pemrosesan material. Penemuan material AI dapat mengeluarkan elemen tertentu yang memiliki biaya lingkungan tinggi (misalnya, logam tanah jarang) atau mengurangi persentase komposisinya. Ini juga dapat digunakan untuk melihat teknik pemrosesan (misalnya, suhu, tekanan, atau kemurnian bijih) yang diperlukan untuk membuat material dan mengidentifikasi metode berenergi rendah. Kedua aspek ini dapat memiliki dampak signifikan pada emisi primer produksi material. Namun, perlu diingat bahwa dampak lingkungan melampaui produksi saja. Penerapan material superior, baik berkinerja tinggi atau lebih murah, dapat memiliki dampak lingkungan sekunder yang sangat positif dengan membuat teknologi berkelanjutan lebih terjangkau (misalnya, EV yang lebih murah), lebih efisien (misalnya, chip komputer yang lebih baik untuk AI), dan kurang beracun dalam pembuangan akhir (misalnya, menggantikan hidrofluorokarbon).

Bagaimana Materials Nexus berhasil menciptakan magnet bebas logam tanah jarang dalam waktu hanya tiga bulan, dan apa implikasinya dari temuan ini?

Platform kami dapat menganalisis lebih dari 100 juta komposisi potensial magnet bebas logam tanah jarang sebelum memasuki laboratorium. Ini berarti bahwa ketika kami melanjutkan ke tahap sintesis, kami sudah memiliki prediksi akurat tentang komposisi dan sifatnya.

Implikasi dari magnet ini signifikan: temuan ini melampaui penemuan material tunggal dan menandai transformasi proses desain material yang berusia berabad-abad. Ketika platform kami menjadi lebih maju dan cerdas, kami akan dapat memprediksi komposisi dengan lebih cepat dan di berbagai area material. Dengan 10¹⁰⁰ komposisi elemen di tabel periodik, kemungkinannya tak terbatas.

Apakah AI dapat menggantikan logam tanah jarang dalam aplikasi lain di luar magnet?

Penemuan material yang didorong AI memiliki potensi untuk mengidentifikasi dan mengembangkan material alternatif untuk berbagai aplikasi di luar magnet. Dalam hal ini, tujuannya adalah untuk menemukan komposisi magnet alternatif yang menghilangkan elemen logam tanah jarang, tetapi algoritma pencarian pembelajaran mesin kami dirancang untuk diterapkan pada setiap kelas material. Ini berarti bahwa kami sedang membangun platform desain material universal.

Saat ini, kemampuan platform kami fokus pada paduan dan keramik, dengan fokus khusus pada material fungsional untuk aplikasi teknologi hijau berdampak tinggi seperti motor listrik, semikonduktor, superkonduktor, dan hidrogen hijau, untuk beberapa contoh.

Bagaimana kolaborasi antara Materials Nexus, Henry Royce Institute, dan University of Sheffield meningkatkan pengembangan material baru?

Kolaborasi kami dengan mitra strategis kunci di ekosistem inovasi UK, seperti Henry Royce Institute dan University of Sheffield, memberikan akses ke fasilitas dan keahlian kelas dunia di bidang ilmu material khusus. Kemitraan ini memungkinkan kami untuk mempercepat sintesis dan pengujian prediksi kami.

Apa sektor lain yang dapat diuntungkan dari penemuan material yang didorong AI, dan bagaimana?

Penemuan material yang didorong AI dapat mempengaruhi setiap kelas material. Di Materials Nexus, kami fokus pada material yang dianggap paling sulit dan mahal untuk dikembangkan dan ditingkatkan, karena mereka berpotensi memiliki dampak positif terbesar. Setiap industri akan terpengaruh: energi, penerbangan, superkomputing, transportasi, untuk beberapa contoh. Misalnya, di sektor energi, AI dapat membantu mengembangkan material yang lebih efisien dan berkelanjutan untuk baterai dan sel surya. Dalam superkomputing, ini dapat mengarah pada penciptaan material semikonduktor baru yang meningkatkan kemampuan penyimpanan dan pemrosesan data. Dengan memungkinkan pengembangan material berkinerja tinggi dengan cepat, AI dapat menggerakkan inovasi dan keberlanjutan di hampir semua industri.

Apa kemajuan masa depan dalam AI untuk ilmu material yang dapat kita harapkan, dan bagaimana mereka akan mempengaruhi berbagai industri?

Pekerjaan kami akan terus mendorong batas apa yang mungkin dan kami berkomitmen untuk memecahkan hambatan tersebut. Material yang superior berarti inovasi yang superior untuk memenuhi tuntutan tantangan besok. Masa depan hanya dibatasi oleh imajinasi kita.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Materials Nexus.