Nel mondo della Scienza dei Materiali, l’intelligenza artificiale si conferma come un catalizzatore di progresso senza precedenti. Un team di ricercatori di Google DeepMind ha annunciato la scoperta di ben 2,2 milioni di strutture cristalline teoricamente stabili, aprendo nuovi orizzonti per l’innovazione tecnologica e la progettazione di materiali avanzati. Questa svolta, riportata su Nature, rappresenta un balzo avanti di 45 volte rispetto alle scoperte precedenti in campo scientifico.
La ricerca, guidata da Ekin Dogus Cubuk e pubblicata sulla prestigiosa rivista Nature, ha sfruttato le potenti capacità dell’intelligenza artificiale, consentendo ai ricercatori di identificare circa 380 mila strutture particolarmente promettenti. Questi dati saranno ora messi a disposizione della comunità scientifica attraverso The Materials Project, aprendo la strada a ulteriori esperimenti e verifiche sperimentali.
Cubuk, coautore dello studio, ha sottolineato l’importanza cruciale della Scienza dei Materiali, definendola “il luogo in cui il pensiero astratto si fonde con l’universo fisico”, e ha enfatizzato come le nuove scoperte possano beneficiare una vasta gamma di tecnologie attraverso l’utilizzo di materiali innovativi.
Il metodo rivoluzionario adottato dai ricercatori di Google DeepMind segna un punto di partenza, aprendo la strada a miglioramenti futuri. L’impiego combinato di dati storici, potenza di calcolo e le crescenti capacità dell’intelligenza artificiale promette di accelerare ulteriormente il processo di scoperta di materiali avanzati.
Il machine learning è stato un alleato fondamentale in questo processo, permettendo la generazione di candidati promettenti e la previsione della loro stabilità. Ad esempio, sono stati individuati 52 mila nuovi composti stratificati simili al grafene, con notevoli implicazioni nella progettazione di superconduttori. Questo rappresenta un progresso significativo rispetto agli approcci tradizionali, che hanno identificato solo un migliaio di materiali di questo tipo in passato.
Il modello di rete neurale utilizzato per queste scoperte, denominato GNoME (Graph Network for Material Exploration), si è rivelato una risorsa preziosa. GNoME fa leva su dati in forma di grafi, simili ai legami tra atomi, rendendo le reti neurali su grafi particolarmente adatte alla scoperta di nuovi materiali cristallini.
Il lavoro dei ricercatori di Google DeepMind ha già ispirato esperimenti successivi condotti da un gruppo di ricercatori della UC Berkeley/Lawrence Berkeley National Laboratory. Sfruttando le scoperte del team, sono stati in grado di creare con successo 41 nuovi composti su 58 possibilità, ottenendo un notevole tasso di successo del 70%.
In conclusione, l’impatto di queste scoperte è destinato a essere vasto, spaziando dalle energie rinnovabili alla microelettronica. Il progresso accelerato nella Scienza dei Materiali, guidato dall’intelligenza artificiale, apre la strada a un futuro in cui nuove applicazioni pratiche potranno essere sperimentate e implementate, contribuendo significativamente all’avanzamento della scienza e della tecnologia.
