Egy a Google DeepMind és a UC Berkeley által végzett tanulmányt, mely a mesterséges intelligencia algoritmusok alapján új anyagokat kreáló robotokra összpontosított, most egy kémikusok csoportja megkérdőjelez.
Az eredeti közleményre, melyet a Nature folyóiratban tettek közzé novemberben, figyelmet fordítottak a laboratóriumi robot, az A-Lab által a Google DeepMind GNoMe modelljének előrejelzései alapján automatikusan szintetizált új vegyületekre.
A szoftver millió új szervetlen kristályvegyület receptjét generálta, melyek jövőbeli elektronikai alkalmazásokban lehetnek hasznosak. 17 nap alatt a robotkar több mint 40 új anyagot állított elő, melyek közül 35-t a GNoMe-nek köszönhetően sikerült megjósolni. Különböző porokat kevert és hevített, hogy olyan anyagokat hozzon létre, melyek szerkezetét röntgendiffrakcióval vizsgálták meg.
A gépi tanulási algoritmus elemzése alapján összehasonlították a kísérleti mintázatokat a jóslási adatokkal, hogy megerősítsék az új vegyületek hatékonyságát. A kísérlet jelentős lépésként tekintettek arra, hogy az AI-alapú robotok képesek lehetnek segíteni a tudományos felfedezésekben.
A rezultátumokat azonban most kérdőjelezik meg. Egy külön cikkben a University College London és a Princeton University hét kutatója úgy véli, hogy az A-Lab nem hozott létre új szervetlen anyagokat.
„Sajnálatos módon megállapítottuk, hogy az A-Lab cikk alaptétele, nevezetesen az, hogy nagyszámú korábban ismeretlen vegyület készült, nem igaz” – írták elemzésükben, melyet a ChemRxiv [PDF]-ben tettek közzé. Minden anyag röntgendiffrakciós adatainak elemzése után arra jutottak, hogy a legtöbbet hibásan kategorizálták.
A röntgendiffrakciós minták lehetővé teszik a tudósok számára, hogy meghatározzák az atomok elrendeződését egy anyagban. Különböző anyagok különböző diffrakciós mintákat hoznak létre. A kutatók gondosan elemzik a mintázaton található csúcsokat és völgyeket, majd összehasonlítják őket a meglévő mintákkal az anyag szerkezetének értelmezéséhez.
Az A-Lab publikációjának adatai azonban azt mutatják, hogy a GNoMe által megjósolt 35 új anyag mintázata leginkább már meglévő vegyületek keverékére hasonlít, míg három nem tekinthető újnak az alapján. Az hibák az AI alkalmazásának a következményei a számítógépesen meghatározásra annak, hogy valóban új anyagot hoztak létre vagy sem, mint ahogy Robert Palgrave, az UCL-ben dolgozó szervetlen és anyagok kémika professzora is kijelentette a The Registernek.
A Google DeepMind és az UC Berkeley kutatói megállapították, hogy ha a robot által létrehozott minta tisztasága meghaladja az 50%-ot, és a szerkezet eltér a már ismert vegyületek listájától az Inorganic Crystal Structure Database-ben (ICSD), azt új vegyületként lehetett figyelembe venni. Palgrave professzor és kollégái azonban azt állítják, hogy ez a folyamat megbízhatatlan.
„A számítógépes oldalon problémát jelent a mi úgynevezett „kompozíciós rendellenesség” kezelése, ami egy rendkívül fontos jellemző a szervetlen anyagoknál. A kristály egy rendezett atom-elrendezést jelent. De még ebben az eltérhetnek rendellenesen. Képzelj el egy színes gyermek építőkocka készletet, minden kocka ugyanakkor, ugyanolyan méretű és formájú, tökéletes rendben elhelyezve a padlón. A kockák az atomokat jelképezik egy kristályban” – magyarázza Palgrave.
„Most képzeld el, hogy két színű kockák vannak, piros és kék. Egy rendezett színstruktúrához juthatunk, például váltakozó piros, kék, piros, kék stb. Kaphatunk olyan táblás elrendezést is. Azonban lehetséges, hogy a színek véletlenszerűen keverednek. Ebben az esetben a kockák maguk rendezettek, de a színek rendetlenül vannak elrendezve.”
A kémikusok szerint az eredeti tanulmány nem vette figyelembe a kompozíciós rendellenességet, feltételezve, hogy az A-Lab által létrehozott vegyületekben az atomok rendezettek, amikor a valóságban rendetlenek és már megtalálhatóak az ICSD-ben. „Az anyag oldalán megpróbálták az AI-t használni az kísérleti adatok értelmezésére, de nem sikerült neki. Biztos vagyok benne, hogy az AI képes lenne elvégezni ilyen elemzéseket. Fogalmam sincs, hogy miért nem sikerült, de az eredmények rosszabbak, mint amit egy amatőr ember elérne” – tette hozzá Palgrave.
A csoport szerint az eredmények zöme nem illeszkedik a modellek által jósolt diffrakciós mintákhoz, és nem lehet megbízhatóan bizonyítékként használni az anyag szerkezetére és tisztaságára. Azonban az eredmények nem vonják kétségbe a GNoME algoritmust magát. Valójában Palgrave és munkatársai meg vannak győződve arról, hogy ha a GNoME által előrejelzett szervetlen kristályszerkezetek létrehozhatók, új anyagok fejlesztéséhez vezetne.
Az A-Lab által előállított vegyületek azonban nem újak, ami azt jelenti, hogy a GNoME által előrejelzett új anyagok közül egyik sem lett létrehozva. „Személyes véleményem szerint [a cikket] vissza kellene vonni, mivel a kulcsfontosságú állítás, miszerint új anyagokat találtak, nem igaz” – nyilatkozta Palgrave.
A Google DeepMind képviseletese nem kívánt nyilatkozni.
Gerbrand Ceder, az eredeti A-Lab tanulmány vezető szerzője és az anyagtudományok és mérnöki professzora a UC Berkeley-n ezt mondta a The Registernek: „Dr.Palgrave munkája nem esett át szakértői értékelésen, és úgy véljük, hogy több hibát tartalmaz. Idővel válaszolni fogunk rá, de a szakértői cikkeken keresztül.”
The source of the article is from the blog publicsectortravel.org.uk