Дослідники з Південної Кореї розробили інноваційну методологію штучного інтелекту (ШІ), яка дозволяє автоматизовано ідентифікувати матеріали-попередники для синтезу цільових матеріалів, що може суттєво змінити виробничий сектор.

Розробка, здійснена командою під керівництвом Gyoung S. Na (KRICT) і Chanyoung Park (KAIST), базується на ретросинтетичному підході, який прогнозує необхідні матеріали-попередники виключно за хімічною формулою кінцевого матеріалу. Традиційні методи вимагають масштабних експериментальних досліджень, що є довготривалими й витратними, а впровадження ШІ дозволяє значно скоротити цей процес. За словами президента KRICT Янг-Кук Лі, ця технологія може «революціонізувати ландшафт розвитку матеріалів у різних галузях», підвищуючи ефективність виробництва.

Модель ШІ навчалася на даних понад 20 000 наукових статей, аналізуючи історію синтезу матеріалів, що дозволило їй досягти 80% точності в прогнозуванні прекурсорів. Перевірка ефективності системи проводилася на основі 2800 експериментальних синтезів, які не входили в навчальний набір даних, і продемонструвала виняткову продуктивність – відгук системи складав лише 0,01 секунди завдяки оптимізації роботи на графічних процесорах (GPU). У найближчі роки команда планує розширити навчальний набір і досягти 90% точності до 2026 року.

На відміну від існуючих методів, орієнтованих переважно на органічні сполуки, нова технологія придатна для прогнозування неорганічних матеріалів, що відкриває нові перспективи для напівпровідникової та акумуляторної промисловості. Дослідники також планують створити загальнодоступний веб-сервіс для автоматизованого пошуку матеріалів, що сприятиме демократизації доступу до цих технологій. Підтримка проєкту з боку Міністерства науки, Корейського національного науково-дослідного фонду та інших організацій гарантує стабільний розвиток цієї ініціативи, яка була представлена на конференції NeurIPS 2024.

Подальший розвиток ШІ у цій сфері може призвести до створення повністю автоматизованих систем синтезу матеріалів, здатних передбачати не тільки прекурсори, а й оптимальні маршрути їхнього отримання. Це відкриває перспективи для кардинального перегляду методів розробки нових матеріалів, що може стати проривом у багатьох галузях науки та промисловості.