ИИ может ускорить формирование материальных законов

May 22, 2024

На протяжении сотен лет ученые и инженеры полагались на аналитические формулы для систематизации важных материальных законов. Например, закон Гука определяет упругие свойства материала, а закон Ома рассчитывает взаимосвязь между напряжением, током и сопротивлением в электрической цепи.

Однако сегодня материальные законы гораздо сложнее. Вот один пример из исследования доцента Бингемтонского университета Пу Чжана: Электропроводность мягкого проводящего материала, важного компонента мягкой электроники, обычно отображается в виде тензорной функции в 12-мерном пространстве.

Распознавание этих закономерностей и разложение их на простые в использовании математические формулы могут занять годы — а зачастую и десятилетия — экспериментов и выводов даже для самых опытных ученых и инженеров.

Чжан, преподаватель факультета машиностроения Колледжа инженерии и прикладных наук Томаса Дж. Уотсона, хочет ускорить процесс открытия материального закона с помощью искусственного интеллекта, и недавний грант в размере 294 992 долларов от Национального научного фонда будет финансировать его исследования.

Благодаря запуску ChatGPT прошлой осенью как обещания, так и подводные камни систем искусственного интеллекта стали культурным мейнстримом. Однако в искусственном интеллекте нет ничего нового: исследователи совершенствуют эту технологию с 1950-х годов.

За последние несколько лет Чжан изучал проводящие свойства жидкометаллических материалов. В 2022 году он получил премию NSF CAREER Award за исследование своих идей о жидкометаллических сетях в мягкой электронике, которые могут сгибаться или растягиваться, не ломаясь.

Он будет сотрудничать с доцентом Лин Ченгом из Вустерского политехнического института в Массачусетсе над разработкой новой технологии искусственного интеллекта для создания законов аналитического материала.

«Если у нас есть необработанные данные о том, как изменяются физические свойства материала во время деформации, мы стремимся найти конкретные математические формулы законов материала», — сказал Чжан. «Раньше на разработку одного нового закона уходили годы. Теперь, благодаря этим алгоритмам искусственного интеллекта, возможно, за один день вы сможете многое узнать. Это произведет революцию во всей области».

Чтобы найти новый путь, Чжан и Ченг обратятся к символическому ИИ, который интерпретирует и генерирует уравнения вместо слов, как это делает ChatGPT.

«Люди разработали плагины, которые вы можете добавить в ChatGPT для интерпретации простых математических уравнений, в основном на уровне от K до 12», — сказал Чжан. «Для университетских исследований нам нужна очень продвинутая математика на уровне аспирантуры, а ChatGPT — даже с надстройками — все еще не может этого сделать».

Исследователи также надеются пролить больше света на непрозрачный способ работы ИИ, из-за которого результаты трудно корректировать и интерпретировать.

«Основным подходом в последние несколько лет был искусственный интеллект и моделирование на основе данных», — сказал Чжан. «Они обучают огромную нейронную сеть, похожую на черный ящик: вы вводите данные, получаете выходные данные, вот и все. Никто не знает, что на самом деле происходит в черном ящике. Его очень сложно использовать, потому что вы загружаете код, а не математическую формулу, которую можно использовать напрямую».

Еще одна повторяющаяся проблема с алгоритмами ИИ: иногда они предлагают правдоподобные ответы, которые совершенно неверны — явление, которое программисты называют «галлюцинациями». Например, оно может неправильно резюмировать книгу, которую автор никогда не писал, или ссылаться на юридические прецеденты, которых на самом деле никогда не было.

Хотя очевидно, что любые формулы необходимо будет проверять экспериментально, Чжан надеется, что «галлюцинаций» и других тревожных результатов можно избежать.

«Одним из преимуществ нашей методики символического ИИ является то, что у нас есть прочная математическая основа, которая автоматически добавит все физические ограничения к материальным законам», — сказал он. «По крайней мере, это не будет слишком неправильно и поможет алгоритму найти правильные функции».

Чжан и Ченг подали свое предложение в NSF до того, как некоммерческая организация OpenAI запустила ChatGPT, но теперь это горячая тема для исследователей, студентов и представителей технологической индустрии. Хотя они разрабатывают свое программное обеспечение для решения проблем материаловедения, эти принципы могут быть применены ко многим различным начинаниям, направленным на поиск аналитических формул на основе необработанных данных.