Materials Nexus의 CEO 및 공동 창립자 Jonathan Bean – 인터뷰 시리즈

Jonathan Bean은 Materials Nexus의 CEO이자 공동 창립자입니다. 재료 과학의 이론적 및 실제 공학 측면에서 배경을 가지고 있는 Jonathan은 새로운 재료 모델링 플랫폼의 기회를 빠르게 식별했습니다. 그는 캠브리지 대학교의 연구원으로 재직하면서 기후 위기를 해결하기 위해 새로운 재료의 채택을 가속화하기 위해 Materials Nexus를 설립했습니다.

Jonathan의 요크 대학교 박사 연구는 다결정 재료의 고급 모델링 기술에 관한 것이었습니다.

Materials Nexus에서 그의 역할 외에도 Jonathan은 Global Talent Mentoring 및 Royal Academy of Engineering의 Leaders in Innovation Fellowships에서 멘토로 활동합니다. 그는 또한 Trinity College, Cambridge에서 재료 과학을 가르치고 런던 사우스 뱅크 대학교의 방문 연구员입니다.

Materials Nexus는 이전에 없던 속도로 우수한 재료를 만드는 회사입니다.

Materials Nexus의 설립 배경에 대해 이야기해 줄 수 있나요? 회사의 창립과 AI 기반 재료 발견에 대한 초점은 무엇입니까?

궁극적으로, 무엇을 건설할 수 있는지의 한계는 사용된 재료에 달려 있습니다. 재료 과학을 공부한 동기는 바로 이것이었습니다. 캠브리지 대학교에서 공동 창립자 Robert Forrest와 함께 연구하는 동안, 우리의 연구를 더 빠르게 진행시키는 것이 동기부여가 되었습니다. 이것이 Materials Nexus의 기술의 기반이 되었습니다.

이 연구가 세계에 긍정적인 영향을 미칠 수 있다는 것이 명백했습니다. 그리고 이 연구의 채택이 가속화되어야 했습니다. 제품의 성능은 재료에 의해 제한되며, 우리의净 제로 목표도 마찬가지입니다. 이것이 우리가 사업을 설립한 동기입니다.

우리의 회사는 환경, 지구 정치, 윤리적으로 세계의 상태를 개선하는 것을 목표로 합니다. 우리의 목표는 새로운 재료를 설계하여 지속 가능성과 성능의 요구를 충족하는 재료 산업을 혁신하는 것입니다.

Materials Nexus에서 재료 발견 과정에 AI가 미치는 영향을 설명해 주시겠습니까?

AI는 재료 발견 과정을 근본적으로 변화시키고 있습니다. 전통적인 시도와 오류에 기반한 접근 방식에서 의도 기반 설계 프로세스로의 전환입니다. 그러나 의약품 연구와 달리, 원자 수표 전체에 걸쳐 더 넓은 검색 공간과 복잡성이 있습니다. Materials Nexus에서는 양자 수준에서부터 벌크까지 전체 길이 규모를 살펴보고 있습니다. 이것은 우리가 구성 예측을 위해 양자 역학을 활용하는 것뿐만 아니라 가공 및 합성 기술을 모델링한다는 것을 의미합니다. 이것은 우리가 높은 성능의 재료를 정확하게 식별하고 물리적으로 생산할 수 있도록 해줍니다. 이것은 몇 개월 안에 달성할 수 있는 것이며, 전통적인 연구 개발 프로세스보다 훨씬 빠릅니다.

재료 개발에서 전통적인 시도와 오류 방법보다 AI를 사용하는 주요 이점은 무엇입니까?

재료 발견에 AI를 사용하면 속도, 비용 효율성, 지속 가능성이 주요 이점입니다. 우리의 AI 기반 플랫폼은大量의 데이터를 분석하고 재료 특성을 정확하게 예측할 수 있습니다. 이것은 실험실에 들어가기 전에 프로세스를 비용 효율적으로 만들고, 비용이 많이 들고 자원 집중적인 실험의 필요성을 최소화합니다. 이것은 일반적으로 실험실에서 일하는 것이 하루가 걸리는 프로세스를 몇 시간 안에 완료할 수 있음을 의미합니다.

이것은 재료 “설계”를 위한 새로운 기회를 제공합니다. 특정 데이터 세트 또는 재료 매개 변수를 포함하여, CO2 배출, 비용 또는 중량과 같은 특정 요구 사항에 맞는 구성물을 검색할 수 있습니다. 이것은 “발견” 프로세스를 뒤집는 것입니다.

재료 생산의 환경적 영향을 줄이는 데 AI와 기계 학습이 어떤 역할을 하나요?

AI와 기계 학습을 활용하면 재료 발견 단계에서 새로운 재료의 기회를 제공합니다. 생산 수준에서, 영향은 두 가지입니다. 첫 번째는 재료 자체의 원소 구성입니다. 두 번째는 재료의 가공 조건입니다. AI 기반 재료 발견은 특정 원소를 제외하거나 그 구성 비율을 줄일 수 있습니다. 또한 재료를 만드는 데 필요한 가공 기술을 살펴보고, 저에너지 방법을 식별할 수 있습니다. 이것은 재료 생산의 1차 배출에重大한 영향을 미칠 수 있습니다. 그러나 환경적 영향은 생산을 넘어섭니다. 우수한 재료의 적용은 지속 가능한 기술을 더 접근하기 쉽게 만들 수 있습니다.

Materials Nexus는 3개월 만에 희토류가 없는 자석을 어떻게 만들었나요? 그리고 이 기술의 의미는 무엇입니까?

우리의 플랫폼은 실험실에 들어가기 전에 1억 개가 넘는 희토류가 없는 자석의 잠재적인 구성물을 분석할 수 있었습니다. 이것은 합성 단계에서 이미 구성과 그 특성이 정확하게 예측된 것을 의미했습니다.

이 자석의 의미는重大합니다. 이 기술은 재료 설계 프로세스에 대한 세기漫한 변화를 의미합니다. 우리의 플랫폼이 더 발전하고 지능화됨에 따라, 우리는 더 빠르게 구성물을 예측할 수 있을 것입니다. 원자 수표에있는 10^100개의 구성이 가능하므로, 가능성은 끝이 없습니다.

AI는 자석을 넘어 다른 응용 분야에서 희토류 금속을 대체할 수 있나요?

AI 기반 재료 발견은 자석을 넘어 다양한 응용 분야에서 대체 재료를 식별하고 개발할 수 있습니다. 이 경우, 희토류 원소를 제거한 자석 구성물을 찾는 것이 목표였습니다. 그러나 우리의 기계 학습 검색 알고리즘은 모든 재료 클래스에 적용될 수 있습니다. 이것은 우리가 보편적인 재료 설계 플랫폼을 구축하고 있음을 의미합니다.

현재, 우리의 플랫폼 기능은 합금과 세라믹에 중점을 두고 있으며, 특히 전기 모터, 반도체, 초전도체, 녹색 수소와 같은 높은 영향 녹색 기술에 사용되는 기능 재료에 중점을 두고 있습니다.

Materials Nexus, Henry Royce Institute, 및 Sheffield 대학교 간의 협력이 새로운 재료 개발에 어떻게 기여하나요?

우리의 협력은 영국의 혁신 생태계에서 전략적인 파트너와의 협력을 통해, 세계级의 시설과 재료 과학의 전문 분야에 대한 전문 지식을 제공합니다. 이러한 협력은 우리가 예측의 합성과 테스트를 가속화할 수 있도록 합니다.

어떤 산업이 AI 기반 재료 발견으로부터 이익을 얻을 수 있나요? 그리고 어떻게?

AI 기반 재료 발견은 모든 재료 클래스에 영향을 미칠 수 있습니다. Materials Nexus에서는 가장 어려운 재료와 가장 비싼 재료를 발전시키고 개선하는 데 중점을 두고 있습니다. 모든 산업이 영향을 받을 것입니다. 예를 들어, 에너지 부문에서는 AI가 더 효율적이고 지속 가능한 배터리와 太陽能 세포를 위한 재료를 개발하는 데 도움이 될 수 있습니다. 超高速 컴퓨팅에서는 새로운 반도체 재료를 만들 수 있습니다. 높은 성능의 재료를 빠르게 개발할 수 있는 AI는 거의 모든 산업에서 혁신과 지속 가능성을 추진할 수 있습니다.

재료 과학에서 AI의 미래 발전에 대해 예상할 수 있는 것이 무엇인가요? 그리고 이것은 다양한 산업에 어떻게 영향을 미칠까요?

우리의 작업은 계속해서 가능성의 경계를 넓히고, 우리는 그것을 깨어나게 할 것입니다. 우수한 재료는 내일의 도전을 충족하기 위한 우수한 혁신을 의미합니다. 미래는 우리의 상상력만큼만 제한됩니다.

이번 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Materials Nexus를 방문하십시오.