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 geçmişine sahip olan Jonathan, yeni bir malzeme modelleme platformu için bir fırsat gördü. Cambridge Üniversitesi’nde bir araştırmacı olarak Materials Nexus’u kurdu ve iklim krizini ele almak için yeni malzemelerin benimsenmesini hızlandırmak için kuruldu.

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 yapmakta ve Cambridge’deki Trinity College’da Malzeme Bilimi dersi vermektedir ve London South Bank Üniversitesi’nde Ziyaretçi Araştırma Görevlisi olarak görev yapmaktadır.

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

Materials Nexus’un kurulma hikayesini paylaşabilir misiniz? Şirketin ve AI destekli malzeme keşfinin odaklanmasının arkasındaki ilham nedir?

Aslında, inşa edilebilecek şeylerin sınırı, kullanılan malzemelerle belirlenir; bu, malzeme bilimi okumamın motivasyonuydu. Cambridge Üniversitesi’nde, kurucu ortaklarım Robert Forrest ile birlikte çalışırken, araştırmamızın daha hızlı ilerlemesini sağlamak için makine öğrenimi algoritmaları geliştirmeye yöneldik. Bu, Materials Nexus’un teknolojisinin temelini oluşturdu.

Bu araştırmaların dünyaya olumlu bir etkisi olabileceği ve benimsenmesinin hızlandırılması gerektiği açıktı. Aynı şekilde, ürünlerin performansı malzemelerle sınırlıdır, aynı şekilde sıfır emisyon hedefine doğru ilerlememiz de malzemelerle sınırlıdır. Bu, bizi şirketi kurmaya teşvik etti.

Şirket olarak bizi motive eden bir güç, dünyayı çevresel, jeopolitik ve etik olarak iyileştirmektir. Hedefimiz, sürdürülebilirlik ve performans için artan taleplere cevap verebilecek yeni malzemeler tasarlayarak malzeme endüstrisini devrimleştirerek ilerlemektir.

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; deneme-yanılma temelli bir yaklaşımı, amaç odaklı bir tasarım sürecine dönüştürüyor. Ancak ilaç araştırmalarının aksine, burada periyodik tablonun tamamı boyunca daha geniş bir arama alanı ve daha fazla karmaşıklık vardır. Materials Nexus’ta, kuantum düzeyinden bulk malzemelere kadar tüm uzunluk ölçeğinde çalışıyoruz; bu, yalnızca bileşim öngörüsü için kuantum mekaniğini kullanmakla kalmayıp, aynı zamanda işleme ve sentez tekniklerini modellememizi sağlıyor. Bu, yalnızca malzemeleri tanımlamakla kalmaz, aynı zamanda yüksek performanslı malzemeleri doğru bir şekilde ve birkaç ay içinde, değilse birkaç on yıl içinde üretmemizi sağlıyor, böylece AR-GE sürecini önemli ölçüde hızlandırıyor.

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

AI’yi malzeme keşfi için kullanmak, hız, maliyet verimliliği ve sürdürülebilirlik gibi birçok avantaj sunar. AI destekli platformumuz, geniş veri kümelerini analiz edebilir ve malzeme özelliklerini öngörülerini laboratuara gitmeden önce yapabilir, bu da süreci maliyet etkin ve daha az atık üretilmesini sağlar, çünkü pahalı ve kaynak yoğun deneylerin ihtiyacını minimize eder. Bu, laboratuvarda günler alan süreçlerin birkaç saat içinde platformumuzda yapılmasını sağlar.

Bu, temelde malzeme “tasarım”ını keşiften ayırarak yeni fırsatlar sunar. Herhangi bir veri kümesi veya malzeme parametresini, örneğin CO2 emisyonları, maliyet veya ağırlık gibi, dahil edebilir ve bu özel gereksinimlere uyan bileşimler için arayabilirsiniz.

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

AI ve makine öğrenimi, malzeme keşif aşamasında yeni fırsatlar sunar. Üretim seviyesinde, bu etki iki katlıdır; birincisi, malzemelerin kendisinin elementel bileşimi, ikincisi ise malzemelerin işleme koşullarıdır. AI destekli malzeme keşfi, belirli elementleri dışlayabilir (örneğin, nadir toprak elementleri) veya bileşimindeki yüzdesini azaltabilir. Ayrıca, malzeme üretimi için gereken işleme tekniklerine (örneğin, sıcaklık, basınç veya cevher saflığı) bakabilir ve düşük enerji yöntemlerini tanımlayabilir. Bu iki yön, malzeme üretimindeki birincil emisyonlar üzerinde önemli bir etkiye sahip olabilir. Ancak, çevresel etki yalnızca üretimle sınırlı değildir. Süperior malzemelerin uygulanması, hem yüksek performanslı hem de daha ucuz malzemeler, sürdürülebilir teknolojileri daha erişilebilir (örneğin, daha ucuz EV’ler), daha verimli (örneğin, AI için daha iyi bilgisayar çipleri) ve son kullanım aşamasında daha az toksik hale getirebilir.

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

Platformumuz, laboratuvara gitmeden önce 100 milyondan fazla nadir toprak elementi içermeyen manyetik bileşim analiz edebildi. Bu, sentez aşamasına geçtiğimizde bileşim ve özelliklerinin doğru bir öngörüsüne sahip olduğumuz anlamına geliyordu.

Bu manyetik maddenin sonuçları önemli: Bu buluş, yalnızca bu singular malzemenin keşfinin ötesine geçer ve asırlık malzeme tasarım süreçlerinin dönüşümünü gösterir. Platformumuz geliştikçe ve daha zeki hale geldikçe, daha hızlı ve birden fazla malzeme alanında bileşimler öngörebileceğiz. 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 malzemeler tanımlama ve geliştirme potansiyeline sahiptir. Bu durumda, hedef, manyetik bileşimden nadir toprak elementlerini çıkarmaktı, ancak makine öğrenimi arama algoritmalarımız, herhangi bir malzeme sınıfına uygulanmak üzere tasarlanmıştır. Bu, evrensel bir malzeme tasarım platformu oluşturuyoruz anlamına gelir.

Şu anda, platform yeteneklerimiz, özellikle yeşil teknolojilerde yüksek etkiye sahip uygulamalar için fonksiyonel malzemeler olan alaşımlar ve seramikler üzerinde odaklanmaktadır. Elektrik motorları, yarı iletkenler, süper iletkenler ve yeşil hidrojen gibi alanlara odaklanıyoruz.

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

İnovasyon ekosisteminin stratejik ortaklarıyla, Henry Royce Institute ve Sheffield Üniversitesi gibi, yapılan işbirlikleri, malzeme bilimi uzmanlık alanlarında dünya standartlarında tesislere ve uzmanlığa erişim sağlar. Bu ortaklıklar, öngörülerimizin sentezini ve testini hızlandırabilmemizi sağlar.

AI destekli malzeme keşfinin faydasını görebilecek diğer sektörler hangileridir ve nasıl yararlanabilirler?

AI destekli malzeme keşfi, her malzeme sınıfını etkileyebilir. Materials Nexus’ta, en zor ve pahalı olan, ancak en büyük olumlu etkiye sahip malzemelere odaklanıyoruz. Her endüstri bundan etkilenecektir: enerji, havacılık, süper bilgisayarlar, ulaşım, vb. Örneğin, enerji sektöründe, AI, piller ve güneş hücreleri için daha verimli ve sürdürülebilir malzemelerin geliştirilmesine yardımcı olabilir. Süper bilgisayarlar için, yeni yarı iletken malzemelerin yaratılmasına yol açabilir, bu da veri depolama ve işleme kapasitelerini artırabilir. Yüksek performanslı malzemelerin hızlı gelişimini sağlayarak, AI, neredeyse tüm endüstrilerde inovasyon ve sürdürülebilirlik sürücüsü olabilir.

Malzeme bilimi için AI’de gelecekte hangi ilerlemeleri bekleyebiliriz ve bunlar çeşitli endüstrileri nasıl etkileyecektir?

Çalışmamız, mümkün olanın sınırlarını sürekli olarak zorlayacak. Süperior malzemeler, yarının zorluklarının taleplerini karşılayacak süperior inovasyona yol açar. Gelecek, sadece hayal gücümüzle sınırlıdır.

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