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

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

Penelitian PhD Jonathan di University of York adalah tentang teknik pemodelan lanjutan untuk bahan 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 Bahan untuk Insinyur di Trinity College, Cambridge dan merupakan Visiting Fellow di London South Bank University.

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

Apakah Anda dapat berbagi cerita di balik pendirian Materials Nexus? Apa yang menginspirasi penciptaan perusahaan dan fokusnya pada penemuan bahan yang didorong AI?

Pada akhirnya, batas dari apa yang dapat dibangun adalah bahan yang digunakan untuk membangunnya; itu adalah motivasi saya untuk mempelajari ilmu bahan. Selama waktu saya di University of Cambridge, bekerja dengan co-founder saya Robert Forrest, keinginan untuk membuat penelitian kami lebih cepat menginspirasi pivot kami menuju pengembangan 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 bahan, sehingga kemajuan kita menuju net-zero. Ini yang menginspirasi kita untuk mendirikan bisnis.

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

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

Dengan cara yang sama AI mempengaruhi proses penemuan obat, AI juga mengubah secara fundamental penemuan bahan; 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 keseluruhan 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 memproduksi bahan 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 bahan baru?

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

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

Apakah peran AI dan pembelajaran mesin dalam mengurangi dampak lingkungan dari produksi bahan?

Menggunakan AI dan pembelajaran mesin membuka peluang bahan baru melalui fase penemuan. Pada tingkat produksi, dampaknya dua kali lipat; pertama adalah komposisi elemen dari bahan itu sendiri, kedua adalah kondisi pemrosesan bahan. Penemuan bahan AI dapat mengecualikan elemen tertentu yang memiliki biaya lingkungan yang tinggi (misalnya, logam tanah jarang) atau mengurangi persentase komposisinya. Ini juga dapat digunakan untuk melihat teknik pemrosesan (misalnya, suhu, tekanan, atau bahkan kemurnian bijih) yang diperlukan untuk membuat bahan dan mengidentifikasi metode berenergi rendah. Kedua aspek ini dapat memiliki dampak signifikan pada emisi primer produksi bahan. Namun, perlu diingat bahwa dampak lingkungan melampaui produksi saja. Penerapan bahan 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 penggunaan akhir (misalnya, menggantikan hidrofluorokarbon).

Bagaimana Materials Nexus berhasil menciptakan magnet bebas logam tanah jarang dalam waktu hanya tiga bulan, dan apa implikasi dari terobosan 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: terobosan ini melampaui penemuan bahan tunggal dan menandai transformasi proses desain bahan yang berusia ratusan tahun. Ketika platform kami menjadi lebih berkembang dan cerdas, kami akan dapat memprediksi komposisi dengan lebih cepat dan di berbagai area bahan. Dengan 10^100 komposisi elemen di tabel periodik, kemungkinannya tak terbatas.

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

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

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

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

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

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

Penemuan bahan yang didorong AI dapat mempengaruhi setiap kelas bahan. Di Materials Nexus, kami fokus pada bahan 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 menyebutkan beberapa. Misalnya, di sektor energi, AI dapat membantu mengembangkan bahan yang lebih efisien dan berkelanjutan untuk baterai dan sel surya. Dalam superkomputing, ini dapat memimpin penciptaan bahan semikonduktor baru yang meningkatkan kemampuan penyimpanan dan pengolahan data. Dengan memungkinkan pengembangan bahan berkinerja tinggi yang cepat, AI dapat memacu inovasi dan keberlanjutan di hampir semua industri.

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

Kerja kami akan terus mendorong batas apa yang mungkin. Bahan superior berarti inovasi superior untuk memenuhi tuntutan tantangan besok. Masa depan hanya terbatas oleh imajinasi kita.

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