Умные и быстрые ИИ-модели для открытия молекул и материалов
Исследователи из Корнеллского университета разрабатывают более умные и быстрые модели искусственного интеллекта для ускоренного проектирования молекул и материалов. В одной из работ, опубликованной в Advanced Science, ученые изучили метод дистилляции знаний — сжатия сложных нейросетей в компактные модели, сохраняющие эффективность. Такие модели работают быстрее, а иногда даже точнее, что делает их идеальными для скрининга молекул без необходимости в мощных вычислительных ресурсах.
В другом исследовании, представленном в Nature Computational Science, группа предложила генеративную модель для проектирования кристаллических структур. В отличие от абстрактных подходов, эта система учитывает симметрию, периодичность и другие физические свойства кристаллов, что позволяет создавать химически реалистичные материалы. По словам авторов, такой метод сокращает перебор вариантов, опираясь на фундаментальные принципы науки о материалах.
Универсальные помощники
Третья работа, вышедшая в Advanced Materials, посвящена концепции общего интеллекта для материаловедения. Здесь ИИ, основанный на языковых моделях, способен анализировать данные, формулировать гипотезы и даже взаимодействовать с научными текстами и уравнениями, действуя как автономный исследовательский агент.
Параллельно с исследованиями команда запустила курс «ИИ для материалов», где студенты изучают применение глубокого обучения в энергетике, синтезе материалов и моделировании их свойств. Цель — подготовить новое поколение ученых, способных работать на стыке искусственного интеллекта и материаловедения.
Работы поддержаны стипендией Eric and Wendy Schmidt AI in Science Postdoctoral Fellowship. Похоже, будущее науки — за гибридом человеческого интеллекта и машинной эффективности.
