Искусственный интеллект способен находить перспективные материалы, опираясь лишь на научные данные, доступные много лет назад. Это показали сотрудники ARC Centre of Excellence for Carbon Science and Innovation - австралийского центра по углеродной науке и инновациям. Результаты опубликованы в журнале ACS Catalysis.

Учёные поставили необычный эксперимент: они ограничили систему литературой, вышедшей до определённой даты, и попросили предложить перспективные электрокатализаторы - материалы, ускоряющие химические реакции с участием электричества. Затем предсказания сравнили с тем, что было опубликовано позже.

В центре внимания оказались высокоэнтропийные сплавы на углеродной подложке. Это материалы, в которых пять или более разных металлов смешаны примерно в равных долях и соединены с углеродной основой. Такие сочетания могут приобретать необычные свойства, полезные, например, для получения водорода.

Однако подобрать нужную комбинацию крайне сложно. По оценке одного из авторов, доктора Иран Цзяо, с учётом разных элементов, их пропорций и структур число возможных вариантов достигает миллионов. Проверить каждый практически невозможно.

Традиционно учёные полагаются на теоретические расчёты, известные данные и метод проб и ошибок. Но у каждого подхода есть ограничения: компьютерное моделирование не всегда отражает реальные лабораторные условия, а эксперименты требуют много времени и ресурсов. Кроме того, исследователи часто выбирают уже хорошо зарекомендовавшие себя сочетания элементов, упуская менее очевидные варианты.

Новый подход использует большие языковые модели - системы искусственного интеллекта, обученные анализировать тексты. Они извлекают информацию из тысяч научных публикаций и выявляют закономерности, указывающие на перспективные материалы. Как отмечает Иран Цзяо, вручную обработать даже сотню статей - задача на несколько часов, а система справляется с тысячами за сопоставимое время.

Затем исследователи разработали метод анализа извлечённых данных, чтобы предсказывать, какие комбинации металлов дадут более стабильные и активные катализаторы. Чтобы проверить подход, систему ограничили знаниями до 2017 года. Среди прочего она указала на сплав из хрома, кобальта, железа, марганца и никеля (CrCoFeMnNi). Позже этот материал действительно описали в экспериментальной работе как один из первых примеров высокоэнтропийных сплавов для электрокатализа в водородных технологиях.

Авторы подчёркивают: за результатами ИИ всё равно должен следить человек. Большие языковые модели иногда выдают неточную информацию или предлагают несуществующее. Чтобы повысить надёжность, исследователи вручную проверили 100 примеров выдачи, отметили верные и ошибочные ответы и использовали их для дообучения системы. После этого усовершенствованная система извлекла научно значимые сведения более чем из 5000 статей.

Работа важна для производства водорода: электрокатализаторы помогают эффективнее расщеплять воду. Однако исследование основано на компьютерных предсказаниях, а не на новых экспериментах. Авторы не демонстрировали улучшений в промышленном производстве водорода и не оценивали возможную экономию. Подход призван направлять научный поиск, а не заменять лабораторную проверку.

Потенциально метод применим шире - например, для реакций восстановления углекислого газа, где CO2 превращают в полезные химические продукты. Кроме того, учёные предполагают, что ИИ мог бы помогать искать и совершенно новые химические реакции, а не только улучшать материалы для уже известных. Система также предложила несколько ранее не изученных кандидатов в электрокатализаторы, которые, по её прогнозу, могут превосходить существующие. Но эти предсказания ещё ждут экспериментального подтверждения.

Источник: Phys.org