AI DeepMind bisa deteksi materi baru lebih cepat dari manusia

Google DeepMind, anak perusahaan Alphabet, telah memanfaatkan kekuatan kecerdasan buatan (AI) untuk memprediksi struktur lebih dari 2 juta material baru.  Tonggak sejarah ini, yang diterbitkan dalam jurnal sains bergengsi Nature, memiliki potensi untuk membentuk kembali berbagai industri dengan meningkatkan produksi baterai, panel surya, dan chip komputer secara signifikan.

Dilansir dari Gizmochina (3/12), umumnya penemuan dan sintesis material baru memakan biaya dan waktu, seringkali memakan waktu satu dekade atau lebih.  Namun, AI inovatif dari DeepMind, yang dilatih berdasarkan data dari Materials Project, sebuah kelompok penelitian internasional yang didirikan pada tahun 2011, telah berhasil memprediksi struktur dari hampir 400.000 desain material hipotetis.  Terobosan ini diharapkan dapat mempersingkat jangka waktu pengembangan material yang biasanya memakan waktu 10 hingga 20 tahun.

Alat deep learning GNoME, komponen penting dari perlengkapan DeepMind, mengidentifikasi 2,2 juta kristal anorganik baru, dengan 380.000 di antaranya diidentifikasi sebagai kristal paling stabil untuk penelitian eksperimental.  Akurasi prediksi ini mencakup stabilitas struktur kristal, seperti yang ditunjukkan oleh penemuan 52.000 senyawa berlapis baru yang mirip dengan graphene dan 528 konduktor potensial litium-ion, yang merupakan 25 kali lebih banyak dibandingkan penelitian sebelumnya.

Untuk memfasilitasi kemajuan yang lebih baik, DeepMind mengambil pendekatan kolaboratif dengan membagikan kumpulan datanya yang luas kepada komunitas riset melalui Next Gen Materials Project.  Data tersebut mencakup seluruh penemuan dan prediksi GNoME, memberikan para peneliti akses gratis untuk mengeksplorasi dan bereksperimen dengan “harta karun” baru yang ditemukan berupa struktur material.

Sebuah lompatan signifikan menuju sintesis material yang efisien telah dimungkinkan melalui kolaborasi DeepMind dengan Berkeley Lab, yang menghasilkan terciptanya laboratorium robotik.  Laboratorium otonom ini berhasil mensintesis 41 material yang baru ditemukan, menunjukkan potensi transformatif AI dalam sintesis eksperimental.

Ekin Dogus Cubuk, ilmuwan peneliti di DeepMind, menyatakan harapannya akan peningkatan substansial dalam eksperimen, sintesis otonom, dan model machine learning.  Optimisme yang sama juga dirasakan oleh Kristin Persson, direktur Materials Project, yang menekankan perlunya memperpendek jadwal pengembangan material. 

Meskipun industri cenderung berhati-hati terhadap kenaikan biaya, terobosan kolaboratif yang didorong oleh AI dapat mengubah dinamika, sehingga berpotensi mengurangi waktu yang diperlukan agar material baru menjadi hemat biaya.

Konvergensi AI dan ilmu material yang ditunjukkan oleh pencapaian DeepMind mewakili percepatan radikal dalam perkembangan teknologi.  Dampaknya terhadap industri seperti penyimpanan energi, elektronik, dan lainnya akan membuka jalur inovasi yang tak terhingga.