Истражувачи од Универзитетот Тохоку предлагаат нова рамка за откривање материјали со помош на вештачка интелигенција. Пристапот, наречен Physics-Grounded Materials AI (PhysMat AI), ги вградува физичките закони во процесот за предвидувањата да бидат поразбирливи и полесни за експериментална проверка.
Класичните модели засновани главно на податоци можат да откријат корелации, но често не објаснуваат зошто предвидуваат одредено својство. Освен тоа, нивната сигурност може да опадне кога се применуваат на материјали што не биле застапени во податоците за обука. PhysMat AI има цел да го надмине овој проблем со вклучување знаења од термодинамиката, кинетиката, електронската структура, транспортните процеси и условите на работа.
Предложената архитектура го организира физичкото знаење во пет улоги: претходно знаење, дескриптори, ограничувања, проверувачи и инфраструктура. Така, физичките принципи можат да влијаат врз начинот на кој се претставуваат материјалите, врз размислувањето на моделот и врз оценувањето на неговите резултати.
Истражувачите наведуваат можни примени во катализата, цврстите електролити за батерии со цврста состојба и материјалите за складирање водород. Во овие области физичките правила можат да помогнат да се ограничат можните кандидати, да се проверат нивните својства и да се поврзат предвидувањата со механизми што може да се тестираат во лабораторија.
Во иднина, ваквите системи би можеле да комбинираат научни бази на податоци, симулации и експериментални резултати. Авторите предлагаат развој од вештачка интелигенција што ја користи физиката, преку системи способни да расудуваат со физички принципи, до автономни алатки што непрекинато би поврзувале предвидувања, симулации и експерименти.
Рамката е претставена во труд објавен во списанието Advanced Functional Materials. Таа не гарантира дека секое предвидување ќе биде точно, но нуди појасен начин за проверка на тоа дали новиот материјал е физички возможен и практично корисен.
