Jonathan Bean, Materials Nexus CEO & Kurucu Ortağı – Röportaj Serisi

Jonathan Bean, Materials Nexus’un CEO’su ve kurucu ortağıdır. Malzeme bilimi’nin hem teorik hem de pratik mühendislik yönlerinde bir geçmişe sahip olan Jonathan, yeni bir malzeme modelleme platformu için bir fırsat belirlemek için hızlıydı. Cambridge Üniversitesi’nde bir araştırmacı olarak Materials Nexus’u, iklim krizini ele almak için yeni malzemelerin benimsenmesini hızlandırmak için kurdu.

Jonathan’ın York Üniversitesi’nde yaptığı doktora araştırması, polikristal malzemeler için gelişmiş modelleme teknikleri üzerineydi.

Materials Nexus’taki rolünün yanı sıra, Jonathan, Global Talent Mentoring ve Royal Academy of Engineering tarafından yürütülen Leaders in Innovation Fellowships’da mentorluk yapıyor. Ayrıca Cambridge’deki Trinity College’da Malzeme Bilimi dersleri veriyor ve London South Bank Üniversitesi’nde Misafir Araştırma Görevlisi olarak görev yapıyor.

Materials Nexus, malzemeleri daha önce hiç olmadığı kadar hızlı bir şekilde geliştirmek için AI kullanıyor.

Materials Nexus’un kuruluşu achterindeki hikayeyi paylaşabilir misiniz? Şirketin kurulması ve AI destekli malzeme keşfi odaklı olması size nasıl ilham verdi?

Aslında, inşa edilebilecek şeylerin sınırı, kullanılan malzemelerle belirlenir; bu, malzeme bilimini incelemem için benim motivasyonumdu. Cambridge Üniversitesi’nde, kurucu ortaklarım Robert Forrest ile birlikte çalışırken, araştırmamızın daha hızlı ilerlemesini sağlamak için makine öğrenimi algoritmalarının geliştirilmesine yönelik bir dönüşüm yaptık. Bu, Materials Nexus teknolojisinin temelini oluşturdu.

Araştırmamızın dünyaya olumlu bir etkisi olabileceği açıkça görülüyordu ve bu etkiyi hızlandırmak gerekliydi. Aynı şekilde, ürünlerin performansı, kullanılan malzemelerle sınırlıdır ve aynı şekilde, net sıfır hedefimize doğru ilerlememiz de malzemelerle sınırlıdır. Bu, bizi şirketi kurmaya teşvik eden bir faktördü.

Bizim için bir şirket olarak itici güç, dünyayı çevresel, jeopolitik ve etik olarak iyileştirmektir. Amacımız, malzemeler endüstrisini, sürdürülebilirlik ve performans için artan taleplere cevap verebilecek yeni malzemeler tasarlayarak devrimlemek.

AI’nin malzeme keşfi sürecini nasıl dönüştürdüğünü, özellikle Materials Nexus bağlamında, açıklar mısınız?

AI, ilaç keşfi sürecini etkilediği gibi, malzeme keşfini de temel olarak değiştiriyor; genellikle deneme-yanılma temelli bir yaklaşımı, amaçlı bir tasarım sürecine dönüştürüyor. Ancak farmasötik araştırmaların aksine, burada periyodik tablonun tamamı boyunca daha geniş bir arama alanı ve ek bir karmaşıklık var. Materials Nexus’ta, kuantum düzeyinden bulk malzemeye kadar tüm uzunluk ölçeğinde çalışıyoruz; bu, yalnızca kuantum mekaniğini bileşim tahmini için kullanmakla kalmayıp, aynı zamanda işleme ve sentez tekniklerini modellememizi sağlıyor. Bu, yalnızca yüksek performanslı malzemeleri tanımlamakla kalmayıp, aynı zamanda bunları doğru bir şekilde ve birkaç ay içinde fiziksel olarak üretmemizi sağlıyor, bu da Ar-Ge sürecini önemli ölçüde hızlandırıyor.

AI’yi geleneksel deneme-yanılma yöntemlerine kıyasla yeni malzemeler geliştirirken kullanmanın ana faydaları nelerdir?

AI’yi malzeme keşfi için kullanmak, hız, maliyet etkinliği ve sürdürülebilirlik gibi several faydalar sağlar. AI destekli platformumuz, geniş veri kümelerini analiz edebilir ve malzeme özelliklerini önceden doğru bir şekilde tahmin edebilir, tüm bunları bir laboratuara girmeden önce gerçekleştirebilir, bu da süreci maliyet etkin ve daha az atık üretilmesi açısından daha verimli hale getirir. Bu, laboratuvarda günler alan işlemlerin platformumuzda saatler içinde yapılabilmesini sağlar.

Bu, temel olarak malzeme “tasarımı”nı keşiften ayıran yeni bir fırsat setini açığa çıkarır. Belirli bir veri kümesi veya malzeme parametresi, örneğin CO2 emisyonları, maliyet veya ağırlık gibi, dahil edilebilir ve bu belirli gereksinimlere uygun bileşimler aranabilir, böylece “keşif” sürecini baştan tasarlayabiliriz.

AI ve makine öğrenimi, malzeme üretimindeki çevresel etkisini azaltmada nasıl bir rol oynar?

AI ve makine öğrenimi, keşif aşamasında yeni malzeme fırsatları sunar. Materials Nexus’ta, malzeme keşfinin kendisi ve üretim seviyesinde iki katılık bir etkiye sahibiz. İlk olarak, malzemelerin kendilerinin elementel bileşimi, ikincisi ise malzemelerin işleme koşulları. AI destekli malzeme keşfi, belirli elementleri dışlayabilir veya bunların bileşim oranını azaltabilir, ayrıca düşük enerji yöntemleri ile malzemelerin işlenmesine yönelik koşulları tanımlayabilir. Bu iki yön, malzeme üretiminin birincil emisyonları üzerinde önemli bir etkiye sahip olabilir. Ancak, çevresel etkiye yalnızca üretim değil, aynı zamanda malzeme uygulamaları da dahildir. Üstün malzemelerin kullanımı, daha erişilebilir, daha verimli ve daha az toksik atık üreten teknolojilere yol açabilir.

Materials Nexus, yalnızca üç ayda nadir toprak elementi içermeyen bir manyetik madde nasıl geliştirdi ve bu buluşun etkileri nelerdir?

Platformumuz, laboratuvara gitmeden önce nadir toprak elementi içermeyen manyetik maddelerin 100 milyondan fazla olası bileşimini analiz edebildi. Bu, sentez aşamasına geçtiğimizde, bileşimin ve özelliklerinin doğru bir şekilde tahmin edildiğini gösterdi.

Bu manyetik maddenin etkileri önemli: Bu buluş, yalnızca bu singular malzemenin keşfinin ötesine geçer ve yüzyıllarca eski malzeme tasarım süreçlerinin dönüşümünü işaret eder. Platformumuz geliştikçe ve daha zeki hale geldikçe, daha hızlı ve birden fazla malzeme alanında bileşimler önerebileceğiz. Periyodik tabloda 10^100 bileşim olabileceği düşünüldüğünde, olanaklar sınırsızdır.

AI, manyetiklerin ötesinde diğer uygulamalarda nadir toprak metallerini potentially替abilir mi?

AI destekli malzeme keşfi, manyetiklerin ötesinde, geniş bir uygulama yelpazesinde alternatif malzemelerin tanımlanmasına ve geliştirilmesine olanak tanır. Bu durumda, nadir toprak elementlerini içeren bir manyetik bileşim alternatifini bulmak amaçlandı, ancak makine öğrenimi arama algoritmalarımız herhangi bir malzeme sınıfına uygulanabilir. Bu, evrensel bir malzeme tasarım platformu geliştirdiğimizi gösterir.

Materials Nexus, Henry Royce Institute ve Sheffield Üniversitesi arasındaki işbirliği, yeni malzemelerin geliştirilmesini nasıl hızlandırır?

UK’nin inovasyon ekosistemindeki stratejik ortaklarla, Henry Royce Institute ve Sheffield Üniversitesi gibi, yapılan işbirlikleri, malzemeler bilimindeki uzmanlaşmış alanlarda dünya standartlarında tesislere ve uzmanlığa erişim sağlar. Bu işbirlikleri, tahminlerimizin sentezlenmesini ve test edilmesini hızlandırır.

AI destekli malzeme keşfinin fayda sağlayabileceği diğer sektörler hangileridir ve nasıl?

AI destekli malzeme keşfi, her malzeme sınıfını etkileyebilir. Materials Nexus’ta, en zor ve pahalı malzemelerin geliştirilmesine odaklanıyoruz, çünkü bunlar en büyük olumlu etkiye sahip olacaklardır. Her endüstri etkilenecektir: enerji, havacılık, süper bilgisayarlar, ulaşım, vb. Örneğin, enerji sektöründe, AI, daha verimli ve sürdürülebilir malzemeler için piller ve güneş hücreleri geliştirmeye yardımcı olabilir. Süper bilgisayarlarda, yeni yarı iletken malzemelerin yaratılmasına yol açabilir, bu da veri depolama ve işleme kapasitelerini artırabilir. Yüksek performanslı malzemelerin hızlı geliştirilmesini sağlayarak, AI, neredeyse tüm endüstrilerde inovasyonu ve sürdürülebilirliği hızlandırabilir.

Malzeme biliminde AI’nin gelecekteki gelişmeleri neler olabilir ve çeşitli endüstrileri nasıl etkileyecektir?

Çalışmamız, mümkün olanın sınırlarını zorlamaya devam edecek ve bu engelleri aşmaya kararlıyız. Üstün malzemeler, üstün inovasyona yol açar ve yarının zorluklarının gereksinimlerini karşılar. Gelecek, yalnızca hayal gücümüzle sınırlıdır.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Materials Nexus‘u ziyaret edebilir.