Il team di ricercatori di Google DeepMind ha compiuto un significativo passo avanti nella scoperta di nuovi materiali cristallini, utilizzando l’intelligenza artificiale per identificare 2,2 milioni di strutture teoricamente stabili, mai realizzate sperimentalmente. Questa impresa eccezionale, riportata in un recente studio pubblicato su Nature, supera di 45 volte la quantità di sostanze simili individuate in tutta la storia della scienza dei materiali.
Ekin Dogus Cubuk, coautore dello studio, ha sottolineato l’importanza di questa scoperta nel contesto della scienza dei materiali, affermando: “La scienza dei materiali è dove il pensiero astratto incontra l’universo fisico. È difficile immaginare una tecnologia che non possa trarre beneficio dall’impiego di materiali migliori.”
Le modalità innovative utilizzate dai ricercatori aprono la strada a ulteriori miglioramenti. L’approccio combinato di dati storici, potenza di calcolo e le sempre crescenti capacità dell’intelligenza artificiale offre prospettive di progresso significativo nella scoperta assistita di nuovi composti. Questo approccio supera i tradizionali metodi empirici, come le costose prove ed errori, e promette di accelerare il processo di identificazione di materiali utili.
Attraverso l’applicazione del machine learning, i ricercatori hanno generato candidati promettenti e previsto la loro stabilità. Ad esempio, sono stati individuati 52 mila nuovi composti stratificati simili al grafene, con potenziali applicazioni nella progettazione di superconduttori. Questo numero supera di gran lunga i mille materiali identificati con gli approcci tradizionali. Inoltre, sono emersi 528 materiali conduttori agli ioni di litio, 25 volte di più rispetto a uno studio precedente, suggerendo potenziali miglioramenti delle batterie ricaricabili.
Il notevole database di materiali ottenuto tramite l’IA GNoME (Graph Network for Material Exploration) apre nuove prospettive in vari settori scientifici e tecnologici, dall’energia rinnovabile alla microelettronica. GNoME, un modello di rete neurale che sfrutta dati in forma di grafi, si dimostra particolarmente adatto alla scoperta di nuovi materiali cristallini, sfruttando la struttura dei legami atomici.
Un ulteriore passo avanti è stato documentato da un gruppo di ricercatori della UC Berkeley/Lawrence Berkeley National Laboratory, che ha realizzato 41 nuovi composti tra 58 possibilità, ottenendo un notevole tasso di successo del 70% grazie alle scoperte del team di Google DeepMind.
Il contributo del team di ricerca di DeepMind sarà reso accessibile alla comunità scientifica attraverso The Materials Project, che fornirà accesso alle 381 mila strutture più promettenti. Questo consentirà ulteriori esperimenti per verificare sperimentalmente le loro potenziali applicazioni pratiche. Questo progresso rappresenta una svolta significativa nella ricerca di nuovi materiali, aprendo la strada a una nuova era di innovazione tecnologica e scientifica.