پیش‌بینی ساختار و ویژگی‌های بیش از ۳۱ میلیون ماده‌ای که هنوز وجود ندارند

به گزارش گروه دانش و فناوری خبرگزاری آنا به نقل از ایندیپندنت فارسی، دانشمندان یک الگوریتم هوش مصنوعی را توسعه داده‌اند که قادر به پیش‌بینی ساختار و ویژگی‌های بیش از ۳۱ میلیون ماده‌ای است که هنوز وجود ندارند.

به گفته تیمی از دانشگاه کالیفرنیا سن دیگو که آن را ایجاد کرده است، این ابزار هوش مصنوعی که «ام۳جی‌نت» (M۳GNet) نام دارد، ممکن است موجب کشف مواد جدید با ویژگی‌هایی استثنایی شود.

«ام۳جی‌نت» توانست اطلاعات یک پایگاه داده عظیم از موادی را که هنوز ساخته نشده‌اند در یک چشم به هم زدن در رایانه وارد کند، [یعنی اطلاعات مربوط به موادی را] که مهندسان در حال حاضر، در جست‌وجوی الکترود‌هایی با چگالی انرژی بیشتر، برای باتری‌های لیتیوم-یونی [از آن] استفاده می‌کنند، که در همه چیز از گوشی‌های هوشمند گرفته تا خودرو‌های الکتریکی استفاده می‌شوند.

پایگاه داده «madeverse.ai» و الگوریتم «ام۳جی‌نت» به صورت بالقوه می‌توانند محدوده کشف مواد را به مراتب بیشتر گسترش دهند.

شیو پینگ اونگ، استاد نانومهندسی دانشگاه کالیفرنیا سن دیگو، با اشاره به الگوریتم هوش مصنوعی ساخت «دیپ‌مایند» گوگل که می‌تواند ساختار‌های پروتئین را پیش‌بینی کند، «ام۳جی‌نت» را به‌عنوان «آلفافولدی (AlphaFold) برای مواد» توصیف کرد.

پروفسور اونگ می‌گوید: مانند پروتئین‌ها، ما باید ساختار یک ماده را بدانیم تا ویژگی‌های آن را پیش‌بینی کنیم. ما واقعا معتقدیم که ساختار «ام۳جی‌نت» یک ابزار تحول‌آفرین است که می‌تواند توانایی ما در کشف مواد شیمیایی و ساختار‌های جدید را تا حد زیادی گسترش دهد.

این تیم اینک قصد دارد ضمن ادامه بررسی اینکه کدام مواد ممکن است برای کمک به اکتشافات علمی آینده مفید باشند، تعداد مواد موجود در پایگاه داده را به میزان قابل توجهی گسترش دهد.

برآورد می‌شود که بیش از یک میلیون از ۳۱ میلیون ماده موجود در پایگاه داده «madeverse.ai» برای استفاده به قدر کافی پایدارند.

مطالعه‌ای درباره جزئیات این ابزار جدید هوش مصنوعی روز دوشنبه در مجله علمی «نیچر کامپیوتیشنال ساینس» منتشر شد.