Gumamit ang Microsoft at ang Pacific Northwest National Laboratory (PNNL) ng artificial intelligence upang makahanap ng rebolusyonaryong bagong materyal ng baterya. Sinabi ng kanilang mga siyentipiko na maaari nitong bawasan ang pagkonsumo ng lithium ng mga baterya ng hanggang 70%. Sinabi ni Jason Zander, ang executive vice president ng Microsoft, sa BBC na nais ng kumpanya na “i-compress ang 250 taon ng pagtuklas sa siyensya sa susunod na 25.”
Ang pinakahuling pagtuklas ng higanteng computing ay isang mahusay na halimbawa ng mga inobasyon na nagtutulak ng iba pang mga inobasyon. Nakabuo ang Microsoft ng isang artificial intelligence dahil sa tagumpay ng ChatGPT, na kalaunan ay humantong sa tool na ito na tumutuklas ng mga bagong materyales. Sa lalong madaling panahon, maaaring mapabuti ng programang ito ang mga de-koryenteng sasakyan at iba pang mga berdeng teknolohiya, at sumasang-ayon si Elon Musk!
Tatalakayin ng artikulong ito kung paano natuklasan ng artificial intelligence ng Microsoft ang bagong bahagi ng baterya na ito. Sa ibang pagkakataon, ilalarawan ko ang isang katulad na tool mula sa Google.
Paano nila natuklasan ang bagong materyal ng baterya na ito?
Pinagsasama-sama namin ang susunod na henerasyong AI na may mataas na pagganap na computing para mapabilis ang pagtuklas ng siyentipiko, nakikipagtulungan sa mga organisasyon tulad ng @PNNLab upang makahanap ng mga bagong materyales para sa mga solusyon sa pag-iimbak ng enerhiya sa mga linggo, hindi taon. https://t.co/ThCAbnRpx2
— Satya Nadella (@satyanadella) Enero 9, 2024
Ginamit ng Microsoft ang Azure Quantum Elements (AQE) nito upang maghanap ng mga materyales sa baterya na nangangailangan ng mas kaunting lithium. Ang AQE ay isang platform na may high-performance computing at AI.
Ang kanilang artificial intelligence ay nagmungkahi ng 32 milyong kandidato, at pagkatapos ay natukoy nito kung alin ang mga sapat na matatag upang magamit. Dahil dito, binawasan nito ang bilang sa humigit-kumulang 500,000.
Susunod, nagdagdag ang mga mananaliksik ng mga filter upang matantya kung paano maaaring magsagawa ng enerhiya ang bawat materyal. Ginawa rin nila kung paano gumagalaw ang mga molekula at atomo sa loob ng bawat materyal at tinasa ang kanilang gastos at kakayahang magamit.
Sa kalaunan, ang mga eksperto sa Microsoft ay mayroon lamang 23 kandidato, kung saan ang lima ay kilalang materyales na. Pagkatapos, ang Pacific Northwest National Laboratory ay nag-synthesize ng isang promising substance upang subukan ito.
Gumawa ang PNNL ng gumaganang baterya mula rito para mapagana ang bombilya at orasan. Pinakamahalaga, ang materyal ay may kumbinasyon ng lithium at sodium.
Ang sodium ay ang pangunahing bahagi ng asin, na ginagawa itong isang masaganang elemento. Sinabi ng Microsoft na maaaring bawasan ng bagong materyal ang lithium na ginagamit sa mga baterya ng 70%.
Sinabi ng Verge na maaari itong maging bahagi ng solid-state na baterya na mas ligtas kaysa sa mga lithium-ion na baterya ngayon. Naglalaman ang mga ito ng mga likidong electrolyte na may mas mataas na panganib sa overheating. Pinuri ng PNNL staff scientist na si Vijay Murugesan at iba pang eksperto ang mga kakayahan ng AI platform:
Maaaring gusto mo rin ang: Ang pinaka-makapangyarihang X-ray laser sa buong mundo
“Ang tatlumpu’t dalawang milyon ay isang bagay na hinding-hindi natin magagawa … Isipin ang isang tao na nakaupo at dumaraan sa 32 milyong materyales at pumili ng isa o dalawa mula rito. Hindi lang ito mangyayari,” sabi ni Murugesan.
Ang Microsoft CEO na si Satya Nadella ay nag-post ng isang artikulo tungkol sa bagong materyal ng baterya sa X, kung saan ang Tesla CEO na si Elon Musk ay tumugon sa pagsasabing, “Kawili-wili.” Pagkatapos ng lahat, ang mga sasakyan ng Tesla ay tumatakbo sa mga baterya ng lithium-ion.
Sinabi ng financial news outlet na Benzinga na ang baterya ang pinakamahal na bahagi ng isang EV. Bilang isang resulta, ang mga sasakyan na ito ay mas mahal kaysa sa maginoo na combustion engine na mga sasakyan.
Paano ginagamit ng Google ang AI material program nito?
Hindi lang ang Microsoft ang gumagamit ng artificial intelligence para maghanap ng mga bagong substance. Ang Google DeepMind ay mayroon ding isa na maaaring makahanap ng isa pang materyal ng baterya at higit pa.
Gumamit ang dibisyon ng Google na iyon ng data mula sa Lawrence Berkeley National Laboratory (LBNL) at iba pang mga mapagkukunan upang sanayin ang artificial intelligence nito. Tinatawag nito ang programa na Graph Networks for Materials Exploration o GNoME.
Gumagamit ang GNoME ng dalawang modelo ng malalim na pag-aaral na kumakatawan sa mga atom at bond sa isang molekula bilang isang graph. Ang una ay gumagamit ng mga kilalang istrukturang kristal at pinapalitan ang mga elemento ng iba upang makabuo ng mga istruktura ng kandidato.
Sa kabilang banda, ang isa ay gumagamit ng kemikal na formula o komposisyon ng kandidato upang i-rate ang katatagan nito. Pagkatapos, sinasala nito ang pool ng kandidato at sinusuri ang mga ito gamit ang mga simulation ng quantum mechanics.
Sa paglaon, ibinabalik nito ang impormasyon sa modelo upang makumpleto ang isang aktibong loop ng pagsasanay sa pag-aaral. Sinabi ng pinuno ng pagtuklas ng mga materyales ng DeepMind, si Ekin Dogus Cubuk, na natagpuan ng programa ang mga materyales ng AI “na napatunayang mahirap para sa mga siyentipiko ng tao.”
Maaari mo ring magustuhan ang: ChatGPT Experience More Value than College Degree
Higit sa lahat, ang artificial intelligence na ito ay maaaring mag-generalize nang higit pa sa pagsasanay nito, pagpapabuti ng mga resulta nito. “Kung talagang gusto naming gamitin ang mga tool na ito para sa pagtuklas, gusto naming tumingin kung saan hindi pa namin tinitingnan,” sabi ni Keith Butler, isang propesor ng computational materials chemistry sa University College London.
Siyempre, gusto naming gumana ang mga materyales ng AI sa totoong buhay. Gayunpaman, karaniwang hindi ipinapaliwanag ng mga tool na ito kung bakit gumawa sila ng mga partikular na kumbinasyon. “Kung maaari mong tanungin ang modelo, ‘Ano ang dahilan kung bakit ginawa mo ang desisyong ito?’ Doon ka makakakuha ng bagong kaalaman,” dagdag ni Butler.
Sinabi ni Olexandr Isayev, isang propesor ng chemistry sa Carnegie Mellon University, na ang ilang uri ng siyentipikong eksperimento ay “talagang pumapayag para sa automation na may machine learning at AI.” Gayundin, idinagdag niya, “Software plus hardware” ay kung saan “ang susunod na pag-unlad sa mga agham ay magiging.”
Konklusyon
Ang Pacific Northwest National Laboratory (PNNL) at Microsoft ay gumamit kamakailan ng artificial intelligence upang makahanap ng bagong materyal ng baterya na nagpapababa ng paggamit ng lithium ng 70%. Bilang resulta, maaari nitong gawing mas mura at mas ligtas ang mga de-kuryenteng sasakyan kaysa dati.
Inihayag ni Krysta Svore mula sa Microsoft Research ang pangmatagalang layunin ng AI. “Kailangan talaga nating i-compress ang susunod na 250 taon ng chemistry material science sa susunod na dalawang dekada, tama ba?”
“At iyon ay dahil gusto nating iligtas ang ating planeta,” dagdag niya. Matuto pa tungkol sa pag-aaral sa Microsoft. Gayundin, tingnan ang pinakabagong mga digital na tip at uso sa Inquirer Tech.
MGA PAKSA:
