Jonathan Bean, CEO og medgrunnlegger av Materials Nexus – Intervju-serie

Jonathan Bean er CEO og medgrunnlegger av Materials Nexus. Med en bakgrunn både fra den teoretiske og praktiske ingeniør-siden av materialvitenskap, var Jonathan rask til å identifisere muligheten for en ny materialmodellering-plattform. Mens han var forsker ved University of Cambridge, grunnla han Materials Nexus for å akselerere oppkjøpet av nye materialer for å møte klimakrisen.

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

I tillegg til sin rolle i Materials Nexus, er Jonathan mentor med Global Talent Mentoring og Leaders in Innovation Fellowships, som drives av Royal Academy of Engineering. Han underviser også i materialvitenskap for ingeniører ved Trinity College, Cambridge og er en besøkende fellow ved London South Bank University.

Materials Nexus er et selskap som bruker AI til å lage overlegne materialer raskere enn noen gang før.

Kan du dele historien bak grunnleggelsen av Materials Nexus? Hva inspirerte opprettelsen av selskapet og dens fokus på AI-drevet materialoppdagelse?

Til slutt er grensen for hva som kan bygges, materialet som brukes til å bygge det; det var min motivasjon til å studere materialvitenskap. Under min tid ved University of Cambridge, arbeidet jeg med min medgrunnlegger Robert Forrest, og ønsket om å gjøre vår forskning raskere, inspirerte vår svingning mot utviklingen av maskinlæringsalgoritmer. Dette ble grunnlaget for Materials Nexus’ teknologi.

Det var klart at denne forskningen kunne ha en positiv innvirkning på verden, og at dens tilpasning trengte å akselereres. På samme måte som produktets ytelse er begrenset av materialet, er også vår fremgang mot nullutslipp begrenset. Dette er hva som inspirerte oss til å grunnlegge bedriften.

En drivkraft for oss som selskap er å forbedre verdens tilstand, miljømessig, geopolitisk og etisk. Vårt mål er å revolusjonere materialindustrien ved å designe nye materialer som møter de voksende kravene for både bærekraft og ytelse.

Kan du forklare hvordan AI transformerer prosessen med materialoppdagelse, særlig i sammenheng med Materials Nexus?

På samme måte som AI påvirkte legemiddeloppdagelsen, endrer det også fundamentalt materialoppdagelsen; transformerer hva som vanligvis er en prøving-og-feil-basert prosess til en intensjonsbasert designprosess. Men i motsetning til farmasøytisk forskning, er det en tilleggskompleksitet og en bredere søkeplass over hele periodiske tabell. Hos Materials Nexus, ser vi på hele lengdeskalaen, fra kvantum-nivå til bulk – dette betyr at vi ikke bare utnytter kvantemekanikk for sammensetningsprediksjon, men også modellering av prosessering og syntese-teknikker. Dette gjør at vi ikke bare kan identifisere, men også fysisk produsere høy-ytelsesmaterialer nøyaktig, på noen måneder i stedet for tiår, og akselererer betydelig R&D-prosessen.

Hva er de viktigste fordelene med å bruke AI i stedet for tradisjonelle prøving-og-feil-metoder i utviklingen av nye materialer?

Å bruke AI for materialoppdagelse tilbyr flere fordeler: hastighet, kostnadseffektivitet og bærekraft er nøkkel. Vår AI-drevne plattform kan analysere store datamengder og forutsi material-egenskaper nøyaktig, all før vi setter foten i et laboratorium, gjør prosessen kostnadseffektiv og mindre sløsende, da den minimerer behovet for dyre og ressurskrevende eksperimenter. Dette betyr også at prosesser som vanligvis tar dager i et laboratorium, kan gjøres på noen timer på vår plattform.

Dette låser opp en ny rekke muligheter med målrettet material «design» i stedet for oppdagelse. Det er mulig å inkorporere hvilken som helst datamengde eller materialparameter, som CO2-utslipp, kostnad eller vekt, og søke etter sammensetninger som matcher disse spesifikke behovene, og vender «oppdagelses»-prosessen på hodet.

Hva rolle spiller AI og maskinlæring i å redusere miljøpåvirkningen av materialproduksjon?

Å utnytte AI og maskinlæring låser opp en stor ny rekke material-muligheter gjennom oppdagelsesfasen. Hos Materials Nexus kan AI-materialoppdagelse enten ekskludere bestemte elementer som har en høy miljøkostnad (f.eks. sjeldne jordarter) eller redusere deres sammensetningsprosent. Det kan også brukes til å se på prosesseringsteknikker (f.eks. temperatur, trykk eller renhet av malm) som kreves for å lage materialet, og identifisere lav-energi-metoder. Disse to aspektene kan ha en betydelig innvirkning på primær-utslipp av materialproduksjon. Imidlertid er det viktig å merke seg at miljøpåvirkning går utover produksjon alene. Anvendelsen av overlegne materialer, både høy-ytelses- eller billigere, kan ha en enormt positiv sekundær miljøpåvirkning ved å gjøre bærekraftige teknologier mer tilgjengelige (f.eks. billigere el-biler), mer effektive (f.eks. bedre datachip til AI), og mindre giftige i deres sluttfase (f.eks. erstatter hydrofluorkarboner).

Hvordan klarte Materials Nexus å lage et sjeldne-jord-fritt magnet i bare tre måneder, og hva er implikasjonene av denne gjennombruddet?

Vår plattform kunne analysere over 100 millioner potensielle sammensetninger av sjeldne-jord-frie magneter, all før vi satte foten i et laboratorium. Dette betyr at når vi gikk videre til syntese-stadiet, hadde vi allerede en nøyaktig forutsigelse av sammensetningen og dens egenskaper.

Implikasjonene av dette magnetfeltet er betydelige: gjennombruddet går utover oppdagelsen av dette enkeltmaterialet og signaliserer transformasjonen av århundre-gamle materialdesign-prosesser. Etterhvert som vår plattform blir mer utviklet og intelligent, vil vi kunne forutsi sammensetninger enda raskere og over flere materialområder. Med 10¹⁰⁰ sammensetninger av elementer i periodiske tabell, er mulighetene endeløse.

Kan AI potensielt erstatte sjeldne jord-metaller i andre anvendelser utenfor magnetfelt?

AI-drevet materialoppdagelse har potensialet til å identifisere og utvikle alternative materialer for en stor rekke anvendelser utenfor magnetfelt. I denne instansen var målet å finne en alternativ magnet-sammensetning som fjernet sjeldne jord-arter, men våre maskinlærings-søkealgoritmer er bygget for å bli anvendt på hvilket som helst material-kategori. Dette betyr at vi bygger en universell materialdesign-plattform.

I øyeblikket er våre plattform-kapasiteter fokusert på legeringer og keramiske materialer, med en spesiell fokus på funksjonelle materialer for anvendelser i høy-impakt grønne teknologier som elektriske motorer, halvledere, superledere og grønn hydrogen, for å nevne noen.

Hvordan bidrar samarbeidet mellom Materials Nexus, Henry Royce Institute og University of Sheffield til utviklingen av nye materialer?

Våre samarbeid med nøkkelstrategiske partnere over hele Storbritannias innovasjonsøkosystem, som Henry Royce Institute og University of Sheffield, gir oss tilgang til verdensklasse-fasiliteter og ekspertise i spesialiserte områder av materialvitenskap. Disse partnerskapene gjør det mulig for oss å akselerere syntesen og testingen av våre forutsigelser.

Hvilke andre sektorer kan dra nytte av AI-drevet materialoppdagelse, og hvordan?

AI-drevet materialoppdagelse kan påvirke hver material-kategori. Hos Materials Nexus fokuserer vi på materialer som anses for å være noen av de mest vanskelige og dyreste å fremme og forbedre, da de står til å gjøre den største positive innvirkningen. Hver industri vil bli påvirket: energi, luftfart, superdatamaskiner, transport, for å nevne noen. For eksempel, i energisektoren, kan AI hjelpe med å utvikle mer effektive og bærekraftige materialer for batterier og solceller. I superdatamaskiner, kan det føre til skapelsen av nye halvleder-materialer som forbedrer datalagring og prosesseringskapasiteter. Ved å muliggjøre rask utvikling av høy-ytelses-materialer, kan AI drive innovasjon og bærekraft over nesten alle industrier.

Hva fremtidige fremgang i AI for materialvitenskap kan vi forvente å se, og hvordan vil de påvirke ulike industrier?

Vårt arbeid vil fortsette å drive grensene for hva som er mulig, og vi er dedikert til å bryte disse barrierene. Overlegne materialer betyr overlegen innovasjon for å møte kravene til morgendagens utfordringer. Fremtiden er bare begrenset av vår fantasi.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Materials Nexus.