Jonathan Bean, CEO & Co-Founder of Materials Nexus – Wywiad z serii

Jonathan Bean jest CEO oraz współzałożycielem Materials Nexus. Z wykształcenia zarówno w dziedzinie teoretycznej, jak i praktycznej inżynierii materiałowej, Jonathan szybko zidentyfikował możliwość stworzenia nowej platformy modelowania materiałów. Podczas pracy jako badacz na Uniwersytecie w Cambridge założył Materials Nexus, aby przyspieszyć wdrożenie nowych materiałów w celu rozwiązania kryzysu klimatycznego.

Badania doktorskie Jonathana na Uniwersytecie w Yorku dotyczyły zaawansowanych technik modelowania materiałów polikrystalicznych.

Obok swojej roli w Materials Nexus, Jonathan jest mentorem w Global Talent Mentoring oraz Leaders in Innovation Fellowships prowadzonych przez Royal Academy of Engineering. Naucza również nauki o materiałach dla inżynierów w Trinity College, Cambridge i jest visiting fellow na London South Bank University.

Materials Nexus to firma, która wykorzystuje sztuczną inteligencję do tworzenia lepszych materiałów szybciej niż kiedykolwiek wcześniej.

Czy mógłbyś podzielić się historią założenia Materials Nexus? Co zainspirowało stworzenie tej firmy i jej skupienie na odkryciu materiałów z wykorzystaniem sztucznej inteligencji?

Ostatecznie, granica tego, co można zbudować, jest ograniczona przez materiały użyte do budowy; to było moim motywem do studiowania nauki o materiałach. Podczas mojego pobytu na Uniwersytecie w Cambridge, pracując z moim współzałożycielem Robertem Forrestem, pragnienie przyspieszenia naszych badań zainspirowało nasze skierowanie się w stronę rozwoju algorytmów uczenia maszynowego. To stało się podstawą technologii Materials Nexus.

Było jasne, że te badania mogą mieć pozytywny wpływ na świat i ich wdrożenie musi być przyspieszone. W ten sam sposób, wydajność produktów jest ograniczona przez materiały, tak jak i nasz postęp w kierunku zerowej emisji netto. To zainspirowało nas do założenia tego biznesu.

Siłą napędową dla nas jako firmy jest poprawa stanu świata, środowiskowo, geopolitycznie i etycznie. Naszym celem jest rewolucjonizacja przemysłu materiałowego poprzez projektowanie nowych materiałów, które spełniają rosnące wymagania zarówno pod względem zrównoważoności, jak i wydajności.

Czy mógłbyś wyjaśnić, jak sztuczna inteligencja zmienia proces odkrywania materiałów, szczególnie w kontekście Materials Nexus?

W ten sam sposób, w jaki sztuczna inteligencja wpłynęła na proces odkrywania leków, zmienia również proces odkrywania materiałów; zmieniając typowy proces prób i błędów w proces projektowania opartego na intencji. Ale w przeciwieństwie do badań farmaceutycznych, istnieje dodatkowa złożoność i szersza przestrzeń wyszukiwania w całej tabeli okresowej. W Materials Nexus, patrzymy na całą długość, od poziomu kwantowego do masowego – oznacza to, że wykorzystujemy mechanikę kwantową do predykcji składu, a także modelujemy techniki przetwarzania i syntezy. To pozwala nam nie tylko identyfikować, ale także fizycznie wytwarzać materiały o wysokiej wydajności, dokładnie, w ciągu kilku miesięcy, zamiast dekad, znacznie przyspieszając proces badań i rozwoju.

Jakie są kluczowe korzyści z wykorzystania sztucznej inteligencji zamiast tradycyjnych metod prób i błędów w rozwoju nowych materiałów?

Wykorzystanie sztucznej inteligencji do odkrywania materiałów oferuje kilka korzyści: szybkość, efektywność kosztowa i zrównoważoność są kluczowe. Nasza platforma oparta na sztucznej inteligencji może analizować ogromne zestawy danych i przewidywać właściwości materiałów dokładnie, wszystko przed wejściem do laboratorium, co czyni proces kosztowo efektywnym i mniej marnotrawnym, ponieważ minimalizuje potrzebę drogich i zasobożernych eksperymentów. To oznacza również, że procesy, które zwykle trwają dni w laboratorium, mogą być wykonane w ciągu kilku godzin na naszej platformie.

To ostatecznie odblokowuje nowe możliwości z projektowaniem materiałów „zamierzonego” w przeciwieństwie do odkrywania. Możliwe jest uwzględnienie dowolnego zestawu danych lub parametrów materiałowych, takich jak emisje CO2, koszt lub wagę, i wyszukiwanie składów, które odpowiadają tym konkretnym potrzebom, odwracając proces „odkrywania” na głowę.

Jaką rolę odgrywają sztuczna inteligencja i uczenie maszynowe w redukowaniu wpływu środowiskowego produkcji materiałów?

Wykorzystanie sztucznej inteligencji i uczenia maszynowego odblokowuje nowe możliwości materiałowe poprzez fazę odkrywania. Na poziomie produkcji wpływ jest podwójny; po pierwsze, chodzi o skład elementowy samych materiałów, a po drugie, o warunki przetwarzania. Odkrywanie materiałów z wykorzystaniem sztucznej inteligencji może wykluczyć określone elementy, które mają wysoki koszt środowiskowy (np. rzadkie ziemi) lub zmniejszyć ich procentowy skład. Może również być wykorzystane do zbadania technik przetwarzania (np. temperatury, ciśnienia lub czystości rudy) wymaganych do wytworzenia materiału i identyfikacji niskowęglowych metod. Te dwa aspekty mogą mieć znaczący wpływ na emisje pierwotne produkcji materiałów. Jednak ważne jest, aby zauważyć, że wpływ środowiskowy wykracza poza samą produkcję. Zastosowanie lepszych materiałów, zarówno o wysokiej wydajności, jak i tańszych, może mieć ogromnie pozytywny wpływ środowiskowy, czyniąc technologie zrównoważone bardziej dostępnymi (np. tańsze samochody elektryczne), bardziej wydajnymi (np. lepsze układy scalone dla sztucznej inteligencji) i mniej toksycznymi w ich końcowym etapie życia (np. zastępując fluorowęglowodory).

Jak Materials Nexus udało się stworzyć magnes bez ziemi rzadkich w zaledwie trzy miesiące, i jakie są implikacje tego przełomu?

Nasza platforma była w stanie przeanalizować ponad 100 milionów potencjalnych składów magnesów bez ziemi rzadkich, zanim jeszcze wkroczyliśmy do laboratorium. To oznaczało, że gdy przeszliśmy do etapu syntezy, mieliśmy już dokładną predykcję składu i jego właściwości.

Implikacje tego magnesu są znaczące: przełom wykracza poza odkrycie samego materiału i sygnalizuje transformację stuletnich procesów projektowania materiałów. W miarę rozwoju naszej platformy będziemy w stanie przewidywać składy jeszcze szybciej i w wielu obszarach materiałowych. Z 10¹⁰⁰ składami elementów w tabeli okresowej, możliwości są nieograniczone.

Czy sztuczna inteligencja może potencjalnie zastąpić metale ziem rzadkich w innych aplikacjach poza magnesami?

Odkrywanie materiałów z wykorzystaniem sztucznej inteligencji ma potencjał, aby zidentyfikować i rozwinąć alternatywne materiały dla szerokiego zakresu aplikacji poza magnesami. W tym przypadku celem było znalezienie alternatywnego składu magnesu, który usunąłby metale ziem rzadkich, ale nasze algorytmy wyszukiwania oparte na maszynach są zaprojektowane, aby być stosowane w każdej klasie materiałów. Oznacza to, że budujemy uniwersalną platformę projektowania materiałów.

Obecnie, nasze możliwości platformy są skupione na stopach i ceramikach, ze szczególnym uwzględnieniem materiałów funkcjonalnych dla aplikacji w wysokowpływowych technologiach zielonych, takich jak silniki elektryczne, półprzewodniki, nadprzewodniki i zielony wodór, by wymienić tylko kilka.

Jak współpraca między Materials Nexus, Henry Royce Institute i Uniwersytetem w Sheffield przyczynia się do rozwoju nowych materiałów?

Nasze współprace z kluczowymi partnerami strategicznymi w ekosystemie innowacji w Wielkiej Brytanii, takimi jak Henry Royce Institute i Uniwersytet w Sheffield, zapewniają dostęp do światowej klasy obiektów i ekspertyzy w specjalistycznych dziedzinach nauki o materiałach. Te partnerstwa umożliwiają nam przyspieszenie syntezy i testowania naszych predykcji.

Jakie inne sektory mogą skorzystać na odkrywaniu materiałów z wykorzystaniem sztucznej inteligencji, i jak?

Odkrywanie materiałów z wykorzystaniem sztucznej inteligencji może wpłynąć na każdą klasę materiałów. W Materials Nexus skupiamy się na materiałach, które uważane są za najtrudniejsze i najdroższe do rozwoju i poprawy, ponieważ mają one największy pozytywny wpływ. Każda branża zostanie dotknięta: energia, lotnictwo, superkomputery, transport, by wymienić tylko kilka. Na przykład, w sektorze energetycznym, sztuczna inteligencja może pomóc w rozwoju bardziej wydajnych i zrównoważonych materiałów dla baterii i ogniw słonecznych. W superkomputerach, może prowadzić do stworzenia nowych materiałów półprzewodnikowych, które poprawiają możliwości przechowywania i przetwarzania danych. Dzięki umożliwieniu szybkiego rozwoju materiałów o wysokiej wydajności, sztuczna inteligencja może napędzać innowacje i zrównoważoność w niemal wszystkich branżach.

Jakie przyszłe postępy w sztucznej inteligencji dla nauki o materiałach możemy się spodziewać, i jak wpłyną one na różne branże?

Nasza praca będzie kontynuowała poszerzanie granic tego, co jest możliwe, i jesteśmy poświęceni łamaniu tych barier. Lepsze materiały oznaczają lepsze innowacje, aby sprostać wymaganiom jutrzejszych wyzwań. Przyszłość jest ograniczona tylko przez naszą wyobraźnię.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Materials Nexus.