โจนาธาน บีน ซีอีโอ และผู้ร่วมก่อตั้ง Materials Nexus – ซีรีส์สัมภาษณ์

โจนาธาน บีน เป็น ซีอีโอ และผู้ร่วมก่อตั้ง Materials Nexus โดยมีประสบการณ์ทางด้านวิศวกรรมทั้งทางทฤษฎีและปฏิบัติเกี่ยวกับวิทยาศาสตร์วัสดุ โจนาธานสามารถระบุโอกาสสำหรับแพลตฟอร์มการสร้างแบบจำลองวัสดุใหม่ๆ ได้อย่างรวดเร็ว ในขณะที่เป็นนักวิจัยที่ University of Cambridge เขาก่อตั้ง Materials Nexus เพื่อเพิ่มการนำวัสดุใหม่ๆ มาใช้เพื่อแก้ไขวิกฤตสภาพภูมิอากาศ

การวิจัยด้านปริญญาเอกของโจนาธานที่ University of York มีเนื้อหาสำรวจเกี่ยวกับเทคนิคการสร้างแบบจำลองขั้นสูงสำหรับวัสดุโพลีคริสตัลไลน์

นอกเหนือจากบทบาทของเขาใน Materials Nexus โจนาธานยังเป็นเพื่อนร่วมงานกับ Global Talent Mentoring และ Leaders in Innovation Fellowships ซึ่งจัดโดย Royal Academy of Engineering เขายังเป็นอาจารย์สอนวิชาวิทยาศาสตร์วัสดุสำหรับวิศวกรที่ Trinity College, Cambridge และเป็น Visiting Fellow ที่ London South Bank University

Materials Nexus เป็นบริษัทที่ใช้ AI ในการสร้างวัสดุที่เหนือกว่าได้อย่างรวดเร็วมากกว่าที่เคย

คุณสามารถเล่าเรื่องราวเบื้องหลังการก่อตั้ง Materials Nexus ได้หรือไม่? สิ่งใดที่สร้างแรงบันดาลใจให้เกิดการก่อตั้งบริษัทและโฟกัสในการค้นพบวัสดุโดยใช้ AI?

ในที่สุดขีดจำกัดของสิ่งที่สามารถสร้างได้คือวัสดุที่ใช้ในการสร้าง ซึ่งเป็นแรงบันดาลใจให้ฉันศึกษาวิทยาศาสตร์วัสดุ ในระหว่างที่ฉันอยู่ที่ University of Cambridge โดยทำงานร่วมกับ Robert Forrest ความต้องการที่จะทำให้การวิจัยของเราเร็วขึ้นได้สร้างแรงบันดาลใจให้เราเปลี่ยนไปสู่การพัฒนาอัลกอริทึมการเรียนรู้ของเครื่อง ซึ่งกลายเป็นพื้นฐานของเทคโนโลยี Materials Nexus

มันชัดเจนว่าการวิจัยนี้สามารถมีผลกระทบเชิงบวกต่อโลก และการนำไปใช้จำเป็นต้องเร่งรัด ในทำนองเดียวกัน การทำงานของผลิตภัณฑ์ถูกจำกัดด้วยวัสดุ เช่นเดียวกับการก้าวหน้าของเราในการไปสู่การปล่อยก๊าซคาร์บอนเป็นศูนย์ นี่คือสิ่งที่สร้างแรงบันดาลใจให้เราในการก่อตั้งธุรกิจ

แรงผลักดันหลักสำหรับเราในฐานะบริษัทคือการปรับปรุงสถานะของโลกในด้านสิ่งแวดล้อม การเมือง และจริยธรรม เป้าหมายของเราคือการปฏิวัติอุตสาหกรรมวัสดุโดยการออกแบบวัสดุใหม่ที่ตอบสนองความต้องการที่เพิ่มขึ้นสำหรับทั้งความยั่งยืนและประสิทธิภาพ

คุณสามารถอธิบายได้หรือไม่ว่า AI มีผลกระทบต่อกระบวนการค้นพบวัสดุอย่างไร โดยเฉพาะอย่างยิ่งในบริบทของ Materials Nexus?

ในทำนองเดียวกับที่ AI มีผลกระทบต่อกระบวนการค้นพบยา AI ก็เปลี่ยนแปลงกระบวนการค้นพบวัสดุเช่นกัน โดยเปลี่ยนจากกระบวนการที่อาศัยการลองผิดลองถูกไปสู่กระบวนการออกแบบที่มีจุดมุ่งหมาย แต่ไม่เหมือนกับการวิจัยยา มีความซับซ้อนและพื้นที่ค้นหาที่กว้างขึ้นในตารางธาตุ At Materials Nexus เรากำลังมองหาทั้งระดับควอนตัมไปจนถึงระดับแบบกลุ่ม ซึ่งหมายความว่าเรากำลังใช้กลไกควอนตัมสำหรับการทำนายส่วนผสมและแบบจำลองการประมวลผลและการสังเคราะห์ นี่ทำให้เราสามารถระบุและผลิตวัสดุที่มีประสิทธิภาพสูงได้อย่างแม่นยำ ในเวลาเพียงไม่กี่เดือนแทนที่จะเป็นหลายทศวรรษ ทำให้กระบวนการวิจัยและพัฒนามีความเร็วมากขึ้น

คุณสามารถอธิบายถึงประโยชน์หลักของการใช้ AI มากกว่าวิธีการลองผิดลองถูกแบบดั้งเดิมในการพัฒนาวัสดุใหม่ๆ ได้หรือไม่?

การใช้ AI สำหรับการค้นพบวัสดุให้ประโยชน์หลายประการ เช่น ความเร็ว การประหยัดต้นทุน และความยั่งยืน เป็นหลัก แพลตฟอร์ม AI ของเราสามารถวิเคราะห์ข้อมูลจำนวนมากและทำนายคุณสมบัติของวัสดุได้อย่างแม่นยำ ก่อนที่จะเข้าสู่ห้องปฏิบัติการ ทำให้กระบวนการนี้มีประสิทธิภาพและไม่สิ้นเปลืองมากนัก นอกจากนี้ยังหมายความว่ากระบวนการที่ปกติต้องใช้เวลาหลายวันในห้องปฏิบัติการสามารถทำได้ภายในไม่กี่ชั่วโมงบนแพลตฟอร์มของเรา

AI และการเรียนรู้ของเครื่องมีบทบาทอย่างไรในการลดผลกระทบต่อสิ่งแวดล้อมจากการผลิตวัสดุ?

การใช้ AI และการเรียนรู้ของเครื่องเปิดโอกาสให้พบวัสดุใหม่ๆ ในช่วงการค้นพบ At ระดับการผลิต ผลกระทบนี้มีสองด้าน คือ ส่วนผสมของธาตุของวัสดุเอง และสภาพการประมวลผลของวัสดุ AI ในการค้นพบวัสดุสามารถแยกธาตุที่มีค่าใช้จ่ายสิ่งแวดล้อมสูง (เช่น ธาตุหายาก) หรือลดเปอร์เซ็นต์ของส่วนผสมได้ นอกจากนี้ยังสามารถมองหาวิธีการประมวลผล (เช่น อุณหภูมิ ความดัน หรือความบริสุทธิ์ของแร่) ที่ต้องการในการผลิตวัสดุ และระบุวิธีการที่ใช้พลังงานต่ำได้ สองด้านนี้สามารถมีผลกระทบอย่างมีนัยสำคัญต่อการปล่อยก๊าซคาร์บอนในขั้นตอนการผลิตวัสดุ

Materials Nexus สามารถสร้างแม่เหล็กที่ไม่มีธาตุหายากได้อย่างไร และมีผลกระทบอย่างไรต่อการค้นพบวัสดุใหม่ๆ?

แพลตฟอร์มของเราได้วิเคราะห์มากกว่า 100 ล้านส่วนผสมที่เป็นไปได้ของแม่เหล็กที่ไม่มีธาตุหายาก ก่อนที่จะเข้าสู่ขั้นตอนการสังเคราะห์ ซึ่งหมายความว่าเมื่อเราก้าวไปสู่ขั้นตอนการสังเคราะห์ เราได้ทำนายส่วนผสมและคุณสมบัติของมันแล้ว

ผลกระทบของแม่เหล็กนี้มีนัยสำคัญ: การค้นพบวัสดุนี้ไม่เพียงแต่แสดงถึงการค้นพบวัสดุเพียงอย่างเดียว แต่ยังบ่งบอกถึงการเปลี่ยนแปลงกระบวนการออกแบบวัสดุแบบดั้งเดิมที่มีอายุหลายศตวรรษ เมื่อแพลตฟอร์มของเราพัฒนามากขึ้นและฉลาดขึ้น เราจะสามารถทำนายส่วนผสมได้อย่างรวดเร็วมากขึ้นและครอบคลุมหลายๆ ด้านของวัสดุ ด้วยความเป็นไปได้ 10^100 ของส่วนผสมของธาตุในตารางธาตุ ความเป็นไปได้ก็ไม่มีที่สิ้นสุด

AI สามารถแทนที่ธาตุหายากในแอปพลิเคชันอื่นๆ นอกเหนือจากแม่เหล็กได้หรือไม่?

การค้นพบวัสดุโดยใช้ AI มีศักยภาพในการระบุและพัฒนาวัสดุทางเลือกสำหรับหลายๆ แอปพลิเคชัน นอกเหนือจากแม่เหล็ก ในกรณีนี้เป้าหมายคือการหาส่วนผสมของแม่เหล็กที่ไม่มีธาตุหายาก แต่อัลกอริทึมการค้นหาของเราสามารถนำไปใช้กับคลาสวัสดุใดๆ ได้ ซึ่งหมายความว่าเรากำลังสร้างแพลตฟอร์มการออกแบบวัสดุแบบสากล

การทำงานร่วมกันระหว่าง Materials Nexus, Henry Royce Institute และ University of Sheffield ช่วยให้พัฒนาวัสดุใหม่ๆ อย่างไร?

การทำงานร่วมกันของเรากับพันธมิตรเชิงกลยุทธ์สำคัญๆ ในระบบนิเวศของนวัตกรรมในสหราชอาณาจักร เช่น Henry Royce Institute และ University of Sheffield ให้การเข้าถึงสิ่งอำนวยความสะดวกและความเชี่ยวชาญระดับโลกในด้านวิทยาศาสตร์วัสดุเฉพาะด้าน สิ่งนี้ช่วยให้เราสามารถเร่งการผลิตและการทดสอบการทำนายของเราได้

อุตสาหกรรมอื่นๆ ใดที่สามารถได้รับประโยชน์จากการค้นพบวัสดุโดยใช้ AI และจะเกิดขึ้นได้อย่างไร?

การค้นพบวัสดุโดยใช้ AI สามารถส่งผลกระทบต่อคลาสวัสดุใดๆ ที่ Materials Nexus เราเน้นไปที่วัสดุที่ยากและแพงในการพัฒนาซึ่งสามารถสร้างผลกระทบเชิงบวกที่ใหญ่ที่สุดได้ อุตสาหกรรมทุกอุตสาหกรรมจะได้รับผลกระทบ: พลังงาน การบิน การประมวลผลข้อมูลที่มีประสิทธิภาพสูง การขนส่ง เพื่อชื่อไม่กี่อุตสาหกรรม ตัวอย่างเช่น ในภาคพลังงาน AI สามารถช่วยพัฒนาวัสดุที่มีประสิทธิภาพและยั่งยืนสำหรับแบตเตอรี่และเซลล์แสงอาทิตย์ ในการประมวลผลข้อมูลที่มีประสิทธิภาพสูง AI สามารถนำไปสู่การสร้างวัสดุเซมิคอนดักเตอร์ใหม่ที่เพิ่มความสามารถในการจัดเก็บและประมวลผลข้อมูลได้

การปรับปรุงในอนาคตของ AI สำหรับวิทยาศาสตร์วัสดุจะเป็นอย่างไร และจะส่งผลกระทบต่ออุตสาหกรรมต่างๆ อย่างไร?

งานของเราจะยังคงผลักดันขอบเขตของสิ่งที่เป็นไปได้ และเรามุ่งมั่นที่จะทำลายขอบเขตเหล่านั้น วัสดุที่เหนือกว่าหมายถึงนวัตกรรมที่เหนือกว่าเพื่อตอบสนองความท้าทายของอนาคต อนาคตจำกัดเพียงแค่จินตนาการของเรา

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Materials Nexus เพื่อเรียนรู้เพิ่มเติม