Дослідники Мічиганського університету використовують суперкомп’ютери Argonne National Laboratory для створення базових AI-моделей, які здатні прискорити пошук нових матеріалів для батарей. Проект очолює Венкат Вішванатан, який підкреслює: більшість сучасних матеріалів для акумуляторів було відкрито у проміжку 1975−1985 років, і з того часу індустрія робить лише поступові вдосконалення. Новий підхід покликаний змінити ситуацію.

Традиційно відкриття нових матеріалів відбувалося методом проб і помилок, однак базові AI-моделі працюють інакше. Вони створюють широке розуміння «молекулярного всесвіту», що дозволяє ефективніше прогнозувати властивості речовин — від електропровідності, яка визначає швидкість заряджання акумулятора, до температури плавлення, займистості й інших характеристик.

Команда навчила одну з найбільших у світі хімічних AI-моделей на суперкомп’ютері Polaris. Вона аналізує мільярди відомих молекул і за допомогою систем SMILES та SMIRK виявляє закономірності, які допомагають прогнозувати потенціал нових сполук. Окремо створюється друга модель для дослідження електродних матеріалів на ще потужнішому суперкомп’ютері Aurora. Це дозволяє відібрати найперспективніші кандидати для подальших лабораторних випробувань.

Масштабні обчислення стали можливими завдяки доступу до тисяч GPU в Argonne Leadership Computing Facility у межах програми DOE INCITE. Тут команді вдалося подолати обмеження менших кластерів і дорогих хмарних сервісів. До роботи також долучилися фахівці з інших сфер, зокрема геноміки, що дало змогу обмінюватися досвідом і оптимізувати AI-моделі.

Дослідники інтегрували свою базову модель з LLM-чатботами на кшталт ChatGPT, що дозволяє студентам і колегам швидко тестувати гіпотези без написання коду. За словами Вішванатана, це «фундаментально змінює спосіб мислення», адже штучний інтелект здатний пропонувати несподівані рішення, які дивують навіть досвідчених науковців.

Источник: noworries.news