Các mô hình trí tuệ nhân tạo có thể giúp hình dung ra những vật liệu của tương lai

CÁC NHÀ KHOA HỌC TÌM CÁCH LOẠI BỎ CARBON DIOXIDE (CO2) KHỎI KHÔNG KHÍ một cách sạch sẽ và rẻ tiền từ lâu đã quan tâm đến các khung hữu cơ kim loại, hay còn gọi là MOFs (Metal-Organic Frameworks): những phân tử khổng lồ giống như bọt biển có thể được thiết kế chính xác để thu giữ khí này và sau đó giải phóng nó theo lệnh. Được tạo thành từ các ion kim loại liên kết với nhau bởi các hợp chất chứa carbon, MOFs có vô số cấu trúc đa dạng, mỗi loại sở hữu những đặc tính riêng biệt. Ví dụ, một MOF có khả năng hấp thụ CO2 tại một địa điểm ven biển ẩm ướt sẽ có cấu trúc khác so với loại hoạt động được trong khí hậu khô ở độ cao lớn. Việc phân loại qua hàng tỷ khả năng để tìm ra MOF phù hợp cho công việc là nhiệm vụ gần như bất khả thi đối với một nhà hóa học con người. Tuy nhiên, đó lại là nhiệm vụ hoàn hảo cho một mô hình trí tuệ nhân tạo (AI). Một công ty khởi nghiệp đang cố gắng xây dựng mô hình như vậy là CuspAI. Công ty này đã sử dụng dòng mô hình ngôn ngữ lớn mã nguồn mở Llama, do Meta – một gã khổng lồ công nghệ – phát triển, làm nền tảng cho mô hình của mình. Mô hình này có từ 5 đến 8 tỷ tham số và đã được tinh chỉnh trên một khối lượng dữ liệu khổng lồ về khoa học vật liệu, từ các mô phỏng cơ học lượng tử đến các bài báo học thuật mô tả phương pháp chế tạo. Mục tiêu của CuspAI không chỉ đơn thuần là tìm ra một MOF tốt, mà là xây dựng một hệ thống có thể tạo ra MOF phù hợp với bất kỳ điều kiện môi trường nào – và từ đó chứng minh rằng AI có thể được sử dụng để giải quyết bất kỳ vấn đề nào trong khoa học vật liệu. Những pin tốt hơn, nhựa sinh học sạch hơn, chất bán dẫn mạnh mẽ hơn và thậm chí cả siêu dẫn ở nhiệt độ phòng có thể sớm nằm trong tầm tay. Đây không phải là giấc mơ viển vông. Trong một bài báo hội nghị vào tháng 11 năm 2024, Aidan Toner-Rodgers, một nghiên cứu sinh tiến sĩ kinh tế tại Viện Công nghệ Massachusetts (MIT), đã phân tích tác động của một công cụ AI mới đối với năng suất của các nhà nghiên cứu vật liệu tại một công ty Mỹ giấu tên. Nhờ việc triển khai từng giai đoạn, với hơn một nghìn nhà khoa học tại công ty được tiếp cận công cụ theo ba nhóm riêng biệt, ông Toner-Rodgers có thể xem việc giới thiệu công cụ như một thí nghiệm ngẫu nhiên và ước tính tác động của nó. Kết quả rất ấn tượng: số lượng vật liệu được phát hiện tăng 44%, nguyên mẫu sản phẩm sử dụng các vật liệu mới tăng 17%, và số lượng bằng sáng chế được nộp tăng 39%. Theo ông Toner-Rodgers, trong phạm vi có thể đo lường được, những đổi mới này dường như cũng thực sự mới mẻ hơn. Các bằng sáng chế hỗ trợ bởi AI có xu hướng đề cập đến các thuật ngữ kỹ thuật mới, và bản thân các vật liệu sở hữu cấu trúc vật lý ít quen thuộc hơn.
CUỘC ĐUA TÌM KIẾM MOF
Orbital Materials, có trụ sở tại London, cũng đang sử dụng AI để cố gắng tạo ra một MOF. Công ty đã huấn luyện mô hình của riêng mình từ đầu, sử dụng các mô phỏng siêu máy tính để tạo dữ liệu huấn luyện, theo Jonathan Godwin, một cựu nghiên cứu viên tại Google DeepMind và đồng sáng lập doanh nghiệp này. Kết quả là hàng trăm triệu tương tác hóa học mô phỏng, mỗi tương tác chỉ gồm vài trăm “token”: phiên bản nâng cao của các phản ứng hóa học ngắn gọn trong sách giáo khoa trung học. Đó là lượng dữ liệu huấn luyện ít hơn nhiều so với yêu cầu để huấn luyện một mô hình ngôn ngữ lớn, nhưng ông Godwin hy vọng rằng đủ để xây dựng một mô hình nhỏ và hiệu quả có thể dự đoán chính xác các tương tác hóa học. Nhưng thay vì chỉ hoạt động như một phòng thí nghiệm ảo như CuspAI, xây dựng AI và bán các phát hiện của nó, Orbital sẵn sàng bắt tay vào việc thực tế. Mô hình nền tảng của họ đã tạo ra một số MOF tiềm năng, và Orbital đã đầu tư thời gian và tiền bạc vào các phòng thí nghiệm nội bộ cùng các kỹ sư hóa học để xác minh rằng chúng hoạt động và có thể sản xuất ở quy mô lớn. Vào tháng 12, công ty công bố một thỏa thuận với Amazon Web Services, một nhà cung cấp dịch vụ quy mô lớn, để tích hợp một phát hiện vào một trong những trung tâm dữ liệu khổng lồ của công ty, nơi nhiệt thải từ hệ thống làm mát không khí sẽ cung cấp năng lượng cho phản ứng hóa học loại bỏ CO2 khỏi không khí. Mục tiêu là biến trung tâm dữ liệu thành carbon âm, với chi phí 20 cent mỗi giờ cho mỗi chip. Nếu thành công, Orbital sẽ biến một phát minh do AI tạo ra thành sản phẩm chức năng nhanh hơn bất kỳ ai trong ngành dược phẩm. Các công ty khác đang cố gắng tự động hóa hoàn toàn nhu cầu về phòng thí nghiệm. Ông Van Vugt, kỹ sư hóa học, là một trong số đó. Công ty khởi nghiệp của ông, VSParticle, cung cấp thứ thực chất là một máy in 3D ở quy mô nano: sử dụng kỹ thuật gọi là phóng điện tia lửa, nó xây dựng một màng mỏng của vật liệu mới từng hạt nano một, theo công thức riêng cho từng vật liệu. Những màng như vậy có thể được dùng trong pin hoặc làm chất xúc tác. Nếu được áp dụng rộng rãi, ông Van Vugt lập luận, nó có thể giúp các nhà khoa học vật liệu tránh được công việc khó khăn trong việc tìm cách sản xuất vật liệu mong muốn về mặt vật lý. Thay vì lo lắng về tổng hợp, họ chỉ cần gửi công thức qua email đến phòng thí nghiệm của VSParticle và chờ sản phẩm cuối cùng được in ra từ một trong những máy chế tạo tự động của công ty. Tự động hóa đã tiến xa hơn nữa. Vào năm 2023, các nhà khoa học từ MIT đã chứng minh rằng một robot hỗ trợ AI có thể dự đoán, tạo ra và phân tích gần 300 thuốc nhuộm hóa học mới, dẫn đến chín loại được thiết kế với các đặc tính rất mong muốn trong chụp ảnh y sinh. Vào năm 2024, một nhóm do các nhà nghiên cứu tại Đại học Toronto dẫn đầu đã giới thiệu một tác nhân AI có khả năng (dù với một chút giúp đỡ từ con người) tạo ra một vật liệu tăng ích hàng đầu thế giới – chất khuếch đại ánh sáng – cho laser. Việc sử dụng kết hợp AI và robot như một lối tắt để tổng hợp vật liệu mới sẽ là một bước đột phá lớn, theo Max Welling, đồng sáng lập của CuspAI. Nhưng ông cảnh báo, “Công thức rất khó tính.” Ngay cả những khác biệt nhỏ về độ ẩm hay chất lượng không khí cũng có thể phá hỏng cơ hội của phòng thí nghiệm trong việc tạo ra sản phẩm mong muốn. Điều đó càng đúng hơn với các phòng thí nghiệm do robot vận hành, khiến một số người đặt câu hỏi về kết quả của chúng. Vào năm 2023, các nhà nghiên cứu tại A-Lab, một phòng thí nghiệm tự động tại Phòng thí nghiệm Quốc gia Lawrence Berkeley, tuyên bố đã tạo ra 41 vật liệu mới được dự đoán bằng dữ liệu từ Google DeepMind và Dự án Vật liệu, một sáng kiến nhằm mô phỏng đặc tính của tất cả các vật liệu vô cơ. Thông báo này rất ấn tượng, nhưng những câu hỏi về phân tích của mô hình đã khiến một số nhà hóa học nghi ngờ liệu có thực sự tạo ra vật liệu mới hay không. Nhóm A-Lab vẫn kiên định với phương pháp của mình. Hiện tại, có lý do để lạc quan một cách thận trọng. Vào tháng 11 năm 2024, Meta đã công bố quan hệ đối tác với VSParticle và Đại học Toronto, tài trợ cho việc tạo ra, phân tích và số hóa hơn 500 chất xúc tác điện thực nghiệm – một loại vật liệu có thể rất quan trọng để cung cấp năng lượng cho thế hệ pin tiếp theo. Các trung tâm dữ liệu lớn của công ty không phải lúc nào cũng hoạt động hết công suất, Larry Zitnick, giám đốc nghiên cứu tại bộ phận AI của Meta, cho biết. Điều đó để lại sức mạnh tính toán dư thừa mà Meta có thể đóng góp cho dự án để cung cấp các mô phỏng ban đầu cho những chất xúc tác điện đó.
Hình ảnh minh họa cho Các mô hình trí tuệ nhân tạo có thể giúp hình dung ra những vật liệu của tương lai. Ảnh: Tư liệu
Nguồn thông tin: Tổng hợp và biên tập từ chuyên trang công nghệ.
