Roman GłogulskiEgy Google DeepMind és UC Berkeley által végzett kutatás, amely a mesterséges intelligencia algoritmusokra alapozott robotok új anyagok létrehozásával foglalkozott, most egy kémikusok csoportja által megkérdőjelezett.
Az eredeti tanulmány a Nature nevű folyóiratban novemberben publikálva nagy figyelmet kapott a laboratóriumi robot, az A-Lab által előrejelzett új vegyületek automatikus szintetizálása miatt, amelyet a Google DeepMind GNoMe modellje alapján hozott létre.
A szoftver milliószor generált recepteket az új szervetlen kristályos vegyületekhez, amelyek jövőbeli elektronikai felhasználásra lehetnek alkalmasak. 17 nap alatt a robotkar több mint 40 új anyagot hozott létre, amelyek közül 35-t a GNoMe jósolt meg. Különböző porokat keverte és melegített, hogy olyan anyagokat hozzon létre, amelyek szerkezetét röntgendiffrakcióval elemezték.
Az gépi tanulási algoritmus elemzésbe vonták a kísérleti minták mintázatait, és összehasonlították azt a jósolt adatokkal, hogy megerősítsék az új vegyületek hatékonyságát. Az kísérlet jelentős megerősítése volt annak, hogy az AI által vezérelt robotok segíthetnek a tudományos felfedezésben.
Azonban most a eredmények kérdőjelezik meg. Egy különálló cikkben hét kutató az University College London és a Princeton Egyetemről azt állítja, hogy az A-Lab nem hozott létre új szervetlen anyagokat.
„Sajnos megállapítottuk, hogy az A-Lab cikkének alapvető állítása, miszerint számos korábban ismeretlen vegyületet hoztak létre, nem igaz” – írták elemzésükben, amit a ChemRxiv [PDF]-en publikáltak. Miután elemezték az X-ray diffrákció adatokat az egyes anyagokhoz, azt találták, hogy azok túlnyomó része rosszul lett besorolva.
Az X-ray diffrákció mintázatok lehetővé teszik a tudósoknak, hogy meghatározzák az atomok elrendeződését egy vegyületben. Különböző anyagok különböző diffrákciós mintázatokat eredményeznek. A kutatók alaposan elemzik a csúcsokat és völgyeket a mintázaton, és összehasonlítják azokat a már létező mintákkal annak érdekében, hogy az anyag szerkezetét megértsék.
Azonban az A-Lab publikáció adatai azt mutatják, hogy a GNoMe által jósolt új anyagok többsége a már ismert vegyületek keverékére hasonlít, míg három nem új vegyület. A hibák abból fakadnak, hogy megpróbálták az AI-t használni annak megállapítására, hogy valóban új anyagot hoztak létre vagy sem, ahogy Robert Palgrave, az UCL szervetlen és anyagok kémia professzora elmondta a The Registernek.
A Google DeepMind és a UC Berkeley kutatói meghatározták, hogy ha a robot által készített minta tisztasága meghaladja a 50 százalékot és a szerkezete különbözik a Szervetlen Kristályos Szerkezet Adatbázisban (ICSD) található ismert vegyületek listájától, akkor az új vegyületnek tekinthető. Azonban Palgrave és kollégái azt állítják, hogy ez a folyamat megbízhatatlan.
„A számítógépes oldalról nézve, nem voltak képesek megbirkózni azzal, amit a ‘kompozíciói rendellenességnek’ nevezünk, ami egy nagyon fontos jellemzője a szervetlen anyagoknak. Egy kristály egy rendezett atomszerkezet. De még ebben a rendszerben is lehet rendetlenség. Képzeljünk el egy színes építőelem készletet a gyerekeknek, amelyek mind ugyanakkora méretűek és ugyanolyan alakúak, tökéletes rendezett mintát alkotnak a padlón. Az elemek az atomokat jelképezik egy kristályban” – magyarázta Palgrave.
„Most képzeljük el, hogy két színű elem van, piros és kék. A színek rendezett mintázatot alkotnak például váltakozó piros, kék, piros, kék, stb. Kapunk egy sakktábla szerű elrendezést. De előfordulhat az is, hogy a színek véletlenszerűen összekeverednek. Ebben az esetben az elemek maguk rendezettek, de a színek rendetlenül vannak elrendezve.”
A kémikusok szerint az első tanulmány nem vette figyelembe a kompozíciós rendellenességet, feltételezve, hogy az A-Lab által létrehozott vegyületekben az atomok rendezettek, miközben valójában rendezetlenek, és már léteznek az ICSD-ben. „Az kísérleti oldalon megpróbálták felhasználni az AI-t az kísérleti adatok értelmezésére, de ez a feladat kudarcba fulladt. Biztos vagyok benne, hogy az AI képes erre az elemzésre. Fogalmam sincs, miért nem működött, de az eredmények rosszabbak, mint amit egy amatőr ember elérne” – tette hozzá Palgrave.
Sok az eredmény nem egyezik a modellek által jósolt diffrációs mintákkal, és nem lehet megbízhatóan felhasználni az anyag szerkezetének vagy tisztaságának bizonyítékaként. Azonban az eredmények nem vetnek kétséget magát a GNoME algoritmust illetően. Valójában Palgrave és kollégái meg vannak győződve arról, hogy ha létrehozhatók a GNoMe által jósolt szervetlen kristályos szerkezetek, az új anyagok fejlesztéséhez vezetne.
Az A-Lab által létrehozott vegyületek azonban nem újak, ami azt jelenti, hogy egyetlen új GNoME anyag sem tűnik még megalkotva. „Személyes véleményem szerint [a cikk] vissza kellene vonni, mert a központi állítás, hogy új anyagokat fedeztek fel, nem igaz” – mondta Palgrave.
A Google DeepMind képviselője nem nyilatkozott az ügyben.
Gerbrand Ceder, az eredeti A-Lab tanulmány vezető szerzője, az UC Berkeley anyagtudományi és mérnöki professor úgy nyilatkozott a The Registernek, hogy „Dr. Palgrave munkája nem járta át a szakértői értékelést, és véleményünk szerint több hibát tartalmaz. Válaszolni fogunk rá a megfelelő időben, de a szakértői értékelés alapján megjelentetett irodalmat fogjuk felhasználni.”
The source of the article is from the blog smartphonemagazine.nl
