Джонатан Бин, генеральный директор и сооснователь Materials Nexus – Интервью

Джонатан Бин является генеральным директором и сооснователем Materials Nexus. Обладая опытом как в теоретической, так и в практической стороне материаловедения, Джонатан быстро выявил возможность создания новой платформы моделирования материалов. Во время работы исследователем в Университете Кембриджа он основал Materials Nexus, чтобы ускорить внедрение новых материалов для решения климатического кризиса.

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

Помимо своей роли в Materials Nexus, Джонатан является наставником в программе Global Talent Mentoring и Leaders in Innovation Fellowships, проводимых Королевской академией инженерных наук. 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 создания Materials Nexus? Что вдохновило создание компании и ее фокус на материаловедении, управляемом ИИ?

В конечном итоге, предел того, что можно построить, определяется материалами, используемыми для его строительства; это было моей мотивацией изучать материаловедение. Во время моей работы 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.

Одной из движущих сил для нас как компании является улучшение состояния мира, с точки зрения окружающей среды, геополитики и этики. Наша цель – революционизировать материаловедение, проектируя новые материалы, отвечающие 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 процесс открытия материалов; превращая то, что обычно является подходом, основанным на пробах и ошибках, в процесс, основанный на намеренном проектировании. Однако, в отличие от фармацевтических исследований, здесь добавляется сложность и более широкое пространство поиска по всей таблице Менделеева. В Materials Nexus мы рассматриваем весь диапазон масштабов, 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 выявлять, но и физически производить материалы с высокими характеристиками точно, в течение нескольких месяцев, а не десятилетий, значительно ускоряя процесс исследований и разработок.

Каковы основные преимущества использования ИИ вместо традиционных методов проб и ошибок при разработке новых материалов?

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

Это в конечном итоге открывает новые возможности с помощью целевого “проектирования” материалов вместо их открытия. Возможно 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 воздействия производства материалов на окружающую среду?

Использование ИИ и машинного обучения открывает новые возможности для открытия материалов. На уровне производства влияние этого двоякое; первое – это элементарный состав самих материалов, второе – условия их обработки. Открытие материалов с помощью ИИ может либо исключить определенные элементы, имеющие высокую экологическую стоимость (например, редкоземельные элементы), либо снизить их процентный состав. Оно также может быть использовано для изучения методов обработки (например, температуры, давления или даже чистоты руды), необходимых для создания материала, и выявления методов с низким энергопотреблением. Эти два аспекта могут иметь существенное влияние на первичные выбросы, связанные с производством материалов. Однако важно отметить, что воздействие на окружающую среду выходит за рамки производства. Применение лучших материалов, как с точки зрения производительности, так и стоимости, может иметь огромное положительное воздействие на окружающую среду, делая устойчивые технологии более доступными (например, более дешевые электромобили), более эффективными (например, лучшие компьютерные чипы для ИИ) и менее токсичными при утилизации в конце срока службы (например, замена гидрофторуглеродов).

Как Materials Nexus смогла создать магнит без редкоземельных элементов всего за три месяца, и какие последствия этого прорыва?

Наша платформа смогла проанализировать более 100 миллионов потенциальных составов магнитов без редкоземельных элементов еще до начала лабораторных работ. Это означало, что, перейдя 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 будет развиваться и становиться более интеллектуальной, мы сможем предсказывать составы еще быстрее и в различных областях материалов. С 10¹⁰⁰ составами элементов в таблице Менделеева возможности бесконечны.

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

ИИ-управляемое открытие материалов имеет потенциал выявить и разработать альтернативные материалы для широкого спектра применений, помимо магнитов. В этом случае целью было найти альтернативный состав магнита, исключающий редкоземельные элементы, но наши алгоритмы машинного обучения предназначены для применения к любому классу материалов. Это означает, что мы строим универсальную платформу проектирования материалов.

На данный момент возможности нашей платформы сосредоточены на сплавах и керамиках, с особым акцентом на функциональных материалах для применения в высокоэффективных “зеленых” технологиях, таких как электрические двигатели, 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 в инновационной экосистеме Великобритании, такими как Институт Генри Ройса и Университет Шеффилда, предоставляют доступ к мировому уровню объектов и экспертизы в специализированных областях материаловедения. Эти партнерства позволяют нам ускорить синтез и тестирование наших прогнозов.

Какие другие сектора могут получить пользу от ИИ-управляемого открытия материалов, и как?

ИИ-управляемое 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 наибольший положительный вклад. 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 области суперкомпьютеров это может привести к созданию новых полупроводниковых материалов, которые улучшают возможности хранения и обработки данных. Позволяя быстро разрабатывать материалы с высокими характеристиками, ИИ может стимулировать инновации и устойчивость почти во всех отраслях.

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

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

Благодарим за отличное интервью, читатели, желающие узнать больше, могут посетить Materials Nexus.