Yapay zeka, yeni yonga üretim malzemeleri için hızlı bir yarışı hızlandırıyor.

Yapay Zeka destekli otonom deney, yani AI/AE, yarı iletkenler ve ötesi için malzeme biliminde paradigmaları değiştiriyor. ABD Ticaret Bakanlığı, "AI'nin beş yıl içinde tasarlanıp benimsenebilecek yeni sürdürülebilir yarı iletken malzemeler ve süreçlerin geliştirilmesine nasıl yardımcı olabileceğini göstermek için açık bir yarışma başlattı." Ticaret ve Standartlar ve Teknoloji Alt Bakanı Laurie Locascio, bunu "ABD'yi verimli, güvenli, yüksek hacimli ve rekabetçi yarı iletken üretimi konusunda dünya lideri yapma benzersiz bir fırsat" olarak adlandırıyor. Ayrıca, Ulusal Standartlar ve Teknoloji Enstitüsü'nün direktörüdür. CHIPS Araştırma ve Geliştirme Ofisi (CHIPS R&D) tarafından 100 milyon dolara kadar ödül verilecek ve "sürdürülebilir yarı iletken üretimi ile ilgili yapay zeka destekli otonom deney (AI/AE) konusunda üniversite liderliğinde, endüstri bilgilendirmeli işbirlikler geliştiren kazananlara” ödül verilecek. Bu duyuruların amacı, malzeme biliminde AI/AE marifetiyle "bir paradigmaya değişim getiren yapay zeka destekli otonom deney" olduğunu belirten Tokyo Teknoloji Enstitüsü'nden Taro Hitosugi, Ryota Shimizu ve Naoya Ishizuki'a göre. "Bilgisayar algoritmaları ve robotların tüm deneysel adımları belirleyip gerçekleştirmesi, bu sistemlerin insan müdahalesine ihtiyaç duymamasını sağlar." "Elemanların muhtemel kombinasyonları göz önüne alındığında," devam ediyorlar, "yeni malzemelerin neredeyse sonsuz sayıda olduğu... Bu nedenle, materyal sentezinde yüksek boyutlu sentez parametrelerinin optimize edilmesi, materyal sentezi için geniş bir arama uzayında gereklidir... Bir bakıma, materyaller dünyası, uzay veya derin deniz gibi bir keşif sınırıdır." AI/AE, malzeme keşfi ve sentez sürecini yarı iletken endüstrisinde değil, aynı zamanda elektronik, enerji, havacılık ve savunma, biyoloji, kimya ve farmasötikler gibi uygulamalı bilim spektrumunda büyük ölçüde hızlandırabilecektir. Kuzey Carolina Eyalet Üniversitesi'nden Milad Abolhasani ve Toronto Üniversitesi'nden Eugenia Kumacheva, Nature Synthesis'teki yazılarında şunları belirtmektedirler: Veri bilimi ve otomatik deney tekniklerinin son zamanlardaki gelişimi, malzeme tasarımını hızlandırmak için makine öğrenimi, laboratuvar otomasyonu ve robotiklerin bütünleşmesi yoluyla otonom laboratuvarları (SDL'ler) ortaya çıkarmıştır. Bir SDL, bir kullanıcı tanımlı hedefe ulaşmak için makine öğrenme algoritması tarafından seçilen bir dizi deneyi iteratif olarak çalıştıran, makine öğrenmesi destekli modüler bir deneysel platformdur. Bu zeki robot asistanlar araştırmacılara, kimyasal alanın hızlı keşfi yoluyla temel ve uygulamalı araştırmaların hızını artırmasına yardımcı olur. SDL'lerin temel etkisi, "araştırma hızını artırmak" olup, yeni bilgi üreterek en iyi performans gösteren malzemelerin yeni bileşikleri veya üretim yollarının keşfi konusunda, tek tek değişken keşifleri veya kombine deneylerle 10-1.000 kat daha hızlı bir süreç sağlar. Başka bir deyişle, AI ve robotlar, bilimsel olarak bilgilendirilmiş deneme yanılma yöntemlerinden çok daha verimli bir şekilde iş yapabilir. Toronto Üniversitesi Kimya Bölümü'nden Profesör Alán Aspuru-Guzik liderliğindeki araştırmacılar şunları yazmaktadır: Araştırma grubumuzda, yeni bir işlevsel malzeme keşfi veya bilinen bir malzemeyi optimize etmek için gereken zaman ve paradan yaklaşık on misli azaltmayı amaçlıyoruz, yani tahmini on milyon dolar ve on yıllık gelişmenin bir yıl ve bir milyon dolara kadar düşüştürme… bu zorluğun çözümü otonom laboratuvarların geliştirilmesidir... Aspuru-Guzik grubu, bu laboratuvarlarda deney hızını ve bilimsel keşfi artırma potansiyelini görmektedir ve bu durum nihayetinde bilimi yapma biçimimizi değiştirecektir. Aspuru-Guzik ayrıca bilgisayar bilimleri profesörüdür, Google Sanayi Araştırma Kürsüsüne sahiptir ve "sürdürülebilir bir gelecek için gerekli materyal ve moleküllerin keşfini hızlandırmayı" amaçlayan Toronto Üniversitesi merkezli stratejik bir girişim olan Acceleration Konsorsiyumu'nun direktörüdür. Bu, ABD Ticaret Bakanlığı'nın yarı iletken malzemeler girişimi için model olabilir. Ayrıca, bakanlığın AI/AE yarışması, Washington merkezli Stratejik ve Uluslararası Çalışmalar Merkezi (CSIS) düşünce kuruluşunun Ocak 2024 tarihli "Otonom Laboratuvarlar: AI ve Robotik Malzeme İnovasyonunu Hızlandırıyor" başlıklı raporunda önerilen SDL Büyük Mücadelesi'ne güçlü bir benzerlik taşımaktadır. “Alternatif ve yeni malzemelerin geliştirilmesi ve benimsenmesi, ABD'nin yükselen teknolojilerde liderliği açısından merkezi bir konudur” diyen CSIS raporu, "ABD'nin SDL'lere avantaj sağlamak için yeterli politika dikkatini ve kaynağı ayırdığına dair şüpheler var mı?" diye merak etmektedir. Bu sırada, CSIS'ye göre, ABD'nin SDL'lere harcaması 50 milyon dolardan azdı ve "yönlendirilmiş, programlı bir şekilde yapılmamışken", Kanada Toronto Üniversitesi'ndeki Acceleration Konsorsiyumu'na 200 milyon dolar ödemiştir. Bu bağlamda, ABD Ticaret Bakanlığı'nın 100 milyon dolarlık ödülü, gecikmiş ancak anlamlı bir adım olacaktır. Beş yıllık bir zaman çizelgesi, yarı iletken endüstrisinin 1nm işlem teknolojisi yol haritasına uymaktadır. CSIS ayrıca, Liverpool Üniversitesi, Lawrence Berkeley Ulusal Laboratuvarı, Argonne Ulusal Laboratuvarı ve Carnegie Mellon Üniversitesi'nin SDL’ler inşa ettiğini, "Liverpool Üniversitesi araştırmacılarının 2020'de 10 tasarım parametresi boyunca katalizörler sentezlemek ve aramak için bir mobil platform robot kolu kullandığını, tamamen otomatik olarak 8 günde 688 deney gerçekleştirdiklerini ve başlangıç seviyesinin 6 katı daha iyi kimyasal formülasyonları tanımladıklarını" belirtmektedir. Belçika merkezli yarı iletken endüstrisi ile gelişmiş AR-GE yapan Interuniversitair Microelektronica Centrum (imec), yeni malzemeleri tanımak için yapay zeka kullanmaktadır. Örneğin, imec ile ilişkili bilim insanları şunları yazmaktadır: Boyutların azalması ve karmaşıklığın artmasıyla birlikte yarı iletken cihazlar daha zor bir şekilde üretilmekte. Özellikle, izleme işlemlerine ihtiyaç duymayan amorf malzemeler daha ilginç hale gelmektedir. Bu nedenle, amorf malzemelerin ilkelerine dayalı modellemesi kristal yapıları modellemekten çok daha karmaşıktır. Özellikle yeni malzemeleri taramak için tamamen ab initio bir yaklaşım çok pahalıdır. Bu zorluğu, yüksek verimli ilkelerin hesaplamalarının ve yapay zekanın bir kombinasyonunu kullanarak ele alıyoruz. Johns Hopkins Üniversitesi Uygulamalı Fizik Laboratuvarı (APL), derin deniz keşiflerini, uzay keşiflerini, hipersonik araçları ve ulusal güvenlikle ilgili diğer kullanımların belirgin ortamlarını sürdürebilecek yeni malzemelerin keşfini hızlandırmak için yapay zeka kullanmaktadır. APL'de Bilimde Sınır ve Çok Fonksiyonlu Malzemeler Program Yöneticisi olan Morgan Trexler, "ABD, acil ulusal güvenlik tehditleriyle karşı karşıya kalırken zorlu ortamlarda artan faaliyetler var - ve bu faaliyetler devrim niteliğinde yeni malzemeler gerektiriyor. Bu ihtiyaçları karşılayan malzemeleri keşfetmek için on yıllar bekleyemeyiz. Keşif sürecine AI yaklaşımları entegre ederek, karmaşık, özel uygulamalar için malzemeleri daha hızlı ve bilinçli bir şekilde belirleyebiliriz.” diye belirtmektedir. APL'nin Araştırma ve Keşif Geliştirme Departmanı Baş Bilimcisi Keith Caruso ise "Var olan malzemeler üzerine yapılan yaklaşımın sınırlı iyileştirmeler sağlayacağını" ekleyerek "Devrim nitelikte malzemeler yaratmak için temel bir sıçrama yapmamız gerekmektedir." demektedir. Japonya'da RIKEN Ulusal Araştırma ve Geliştirme Ajansı, ilaç keşfi ve genomik tıp için yüksek performanslı hesaplama ve yapay zeka uygulamaktadır. Kobe Üniversitesi ile çalışan Japon analitik cihaz üreticisi Shimadzu Corporation, yeni malzemeler, ilaçlar ve biyoteknoloji geliştirme laboratuvarları için "robotların ve AI'nın gerçekleştirdiği otonom bilimsel keşifler platformu” olarak hedeflemektedir. Science China Press, "Büyük dil modellerinin başarısından sonra, materyal tasarımı için derin öğrenme hesaplama modelleri olarak büyük materyal modelleri kavramı büyük ilgi görmektedir.” Tsinghua Üniversitesi'nden araştırmacılar, "Periyodik tablonun çoğu elementlerinde çeşitli malzeme yapılarını ele alabilen modeller geliştirmeyi" amaçlamaktadırlar. Yaklaşık bir yıl önce, China Daily, Çinli bilim adamlarının geliştirdiği AI destekli otonom materyal geliştirme için bir robot kimyagerin, Mars meteoritlerinden oksijen üretebilen bir katalizör sentezlediğini rapor etti. “Mars'ın sıcaklık koşullarını taklit eden eksi 37 derecelik bir stres testi, katalizin , açık bir bozulma olmaksızın sürekli oksijen üretebileceğini gösterdi, bu da katalizin Mars'taki zorlu koşullarda çalışabileceğini düşündürmektedir.” Çinlilerin yarı iletken ve diğer endüstriler için AI destekli otonom materyal geliştirme konusunda neler yaptığı net değil, ancak bu imkanlarını göz ardı etmeleri pek olası değildir.