Джонатан Бин, CEO & Сооснователь Materials Nexus – Интервью

Джонатан Бин является CEO & Сооснователем Materials Nexus. Обладая опытом как в теоретической, так и в практической инженерной стороне материаловедения, Джонатан быстро выявил возможность для новой платформы моделирования материалов. Будучи исследователем в Университете Кембриджа, он основал Materials Nexus, чтобы ускорить внедрение новых материалов для решения климатического кризиса.

Исследования Джонатана в области PhD в Университете Йорка были посвящены продвинутым методам моделирования для поликристаллических материалов.

Помимо своей роли в Materials Nexus, Джонатан является наставником в Global Talent Mentoring и Leaders in Innovation Fellowships, проводимых Королевской академией инженерии. Он также преподает материаловедение для инженеров в Тринити-колледже Кембриджа и является приглашенным исследователем в Университете Лондон-Саут-Банк.

Materials Nexus – это компания, использующая ИИ для создания лучших материалов быстрее, чем когда-либо прежде.

Можете ли вы рассказать историю о создании Materials Nexus? Что вдохновило создание компании и ее фокус на ИИ-обоснованном открытии материалов?

В конечном итоге, предел того, что можно построить, определяется материалами, используемыми для его строительства; это было моей мотивацией для изучения материаловедения. Во время моего пребывания в Университете Кембриджа, работая с моим сооснователем Робертом Форрестом, желание ускорить нашу исследовательскую работу вдохновило нас на разработку алгоритмов машинного обучения. Это стало основой технологии Materials Nexus.

Было ясно, что это исследование может иметь положительное влияние на мир, и его внедрение необходимо ускорить. Аналогично, производительность продуктов ограничена материалами, так же, как и наш прогресс к нулевым выбросам. Это вдохновило нас на создание бизнеса.

Двигающей силой для нас как компании является улучшение состояния мира, экологически, геополитически и этически. Наша цель – революционизировать материаловую промышленность путем проектирования новых материалов, отвечающих растущим требованиям как к устойчивости, так и к производительности.

Можете ли вы объяснить, как ИИ преобразует процесс открытия материалов, особенно в контексте Materials Nexus?

Аналогично тому, как ИИ повлиял на процесс открытия лекарств, он также фундаментально меняет открытие материалов; превращая то, что обычно является подходом, основанным на пробах и ошибках, в процесс, основанный на намеренном проектировании. Но, в отличие от фармацевтических исследований, здесь есть дополнительная сложность и более широкое пространство поиска по всей периодической таблице. В Materials Nexus мы рассматриваем весь масштаб, от квантового уровня до объемного – это означает, что мы не только используем квантовую механику для предсказания состава, но и моделируем методы обработки и синтеза. Это позволяет нам не только выявить, но и физически произвести высокопроизводительные материалы точно, в течение нескольких месяцев, а не десятилетий, значительно ускоряя процесс исследований и разработок.

Каковы ключевые преимущества использования ИИ по сравнению с традиционными методами проб и ошибок при разработке новых материалов?

Использование ИИ для открытия материалов предлагает несколько преимуществ: скорость, экономическая эффективность и устойчивость являются ключевыми. Наша платформа, основанная на ИИ, может анализировать огромные наборы данных и предсказывать свойства материалов точно, все это до того, как мы ступим в лабораторию, что делает процесс экономически эффективным и менее расточительным, поскольку минимизирует необходимость в дорогостоящих и ресурсоемких экспериментах. Это также означает, что процессы, которые обычно занимают дни в лаборатории, могут быть выполнены в течение часов на нашей платформе.

Это в конечном итоге открывает новый набор возможностей с целевым “проектированием” материалов, а не их открытием. Можно включить любой набор данных или параметр материала, такой как выбросы CO2, стоимость или вес, и искать составы, соответствующие этим конкретным потребностям, переворачивая процесс “открытия” с ног на голову.

Какую роль играют ИИ и машинное обучение в снижении экологического воздействия производства материалов?

Использование ИИ и машинного обучения открывает огромный новый набор возможностей для открытия материалов. На уровне производства влияние этого двойное; первое – это элементарный состав материалов самих по себе, второе – это условия обработки материалов. Открытие материалов с помощью ИИ может либо исключить определенные элементы, имеющие высокую экологическую стоимость (например, редкоземельные элементы), либо уменьшить их составной процент. Оно также может быть использовано для изучения методов обработки (например, температуры, давления или даже чистоты руды), необходимых для изготовления материала, и выявления методов с низким энергопотреблением. Эти два аспекта могут иметь значительное влияние на первичные выбросы при производстве материалов. Однако важно отметить, что экологическое воздействие выходит за рамки производства самого по себе. Применение лучших материалов, как высокопроизводительных, так и более дешевых, может иметь огромное положительное воздействие на окружающую среду, делая устойчивые технологии более доступными (например, более дешевые электромобили), более эффективными (например, лучшие микрочипы для ИИ) и менее токсичными при утилизации (например, замена гидрофторуглеродов).

Как Materials Nexus смог создать редкоземельный магнит всего за три месяца, и какие последствия имеет этот прорыв?

Наша платформа смогла проанализировать более 100 миллионов потенциальных составов редкоземельных магнитов, все до того, как мы ступили в лабораторию. Это означало, что, когда мы перешли к стадии синтеза, у нас уже был точный прогноз состава и его свойств.

Последствия этого магнита значительны: прорыв выходит за рамки открытия этого единственного материала и сигнализирует о трансформации вековых процессов проектирования материалов. По мере того, как наша платформа становится более развитой и интеллектуальной, мы сможем предсказывать составы еще быстрее и в различных областях материалов. С 10^100 составами элементов в периодической таблице возможности бесконечны.

Может ли ИИ потенциально заменить редкоземельные металлы в других применениях, помимо магнитов?

ИИ-обоснованное открытие материалов имеет потенциал выявить и разработать альтернативные материалы для широкого спектра применений, выходящих за рамки магнитов. В этом случае целью было найти альтернативный состав магнита, исключающий редкоземельные элементы, но наши алгоритмы поиска с помощью машинного обучения построены так, чтобы быть примененными к любому классу материалов. Это означает, что мы строим универсальную платформу проектирования материалов.

На данный момент возможности нашей платформы сосредоточены на сплавах и керамике, с особым акцентом на функциональных материалах для применений в высокоэффективных “зеленых” технологиях, таких как электродвигатели, полупроводники, сверхпроводники и зеленый водород, чтобы назвать несколько.

Как сотрудничество между Materials Nexus, Институтом Генри Ройса и Университетом Шеффилда способствует разработке новых материалов?

Наши сотрудничества с ключевыми стратегическими партнерами по всей инновационной экосистеме Великобритании, такими как Институт Генри Ройса и Университет Шеффилда, предоставляют доступ к мировому классу объектов и экспертизы в специализированных областях материаловедения. Эти партнерства позволяют нам ускорить синтез и тестирование наших прогнозов.

Какие другие сектора могут получить выгоду от ИИ-обоснованного открытия материалов, и как?

ИИ-обоснованное открытие материалов может повлиять на каждый класс материалов. В Materials Nexus мы фокусируемся на материалах, которые считаются одними из самых сложных и дорогих для прогресса и улучшения, поскольку они имеют потенциал сделать наибольшее положительное влияние. Каждая отрасль будет затронута: энергетика, авиация, суперкомпьютеры, транспорт, чтобы назвать несколько. Например, в энергетическом секторе ИИ может помочь разработать более эффективные и устойчивые материалы для батарей и солнечных элементов. В суперкомпьютерах это может привести к созданию новых полупроводниковых материалов, которые улучшают возможности хранения и обработки данных. Позволяя быстро разрабатывать высокопроизводительные материалы, ИИ может стимулировать инновации и устойчивость почти во всех отраслях.

Какие будущие достижения в ИИ для материаловедения можно ожидать, и как они повлияют на различные отрасли?

Наша работа будет продолжать расширять границы того, что возможно, и мы посвящены тому, чтобы преодолеть эти барьеры. Лучшие материалы означают лучшие инновации, чтобы удовлетворить требованиям завтрашних проблем. Будущее ограничено только нашим воображением.

Благодарим за отличное интервью; читатели, которые хотят узнать больше, должны посетить Materials Nexus.