Peneliti MIT telah mengembangkan kerangka kecerdasan buatan bernama CrysVCD yang secara dramatis meningkatkan tingkat kestabilan kimia desain material hasil komputer, yang berpotensi menghemat biaya komputasi dan waktu dalam jumlah besar bagi industri serta laboratorium riset yang saat ini digunakan untuk menyaring material tidak stabil. Dijelaskan dalam makalah yang diterbitkan di Nature Computational Science, alat ini bekerja dengan memastikan material yang diusulkan memenuhi aturan dasar kimia tentang susunan elektron sebelum proses pembuatan yang mahal dimulai, alih-alih menyaring kegagalan setelahnya.
Fakta penting tentang CrysVCD
- CrysVCD adalah singkatan dari “crystal generator with valence-constrained design” dan dikembangkan oleh peneliti MIT dari departemen ilmu material, kimia, teknik kimia, fisika, dan ilmu nuklir.
- Kerangka ini menggabungkan model bahasa yang menghasilkan formula valid secara kimia dengan model difusi yang menghasilkan struktur kristal atom terkait.
- CrysVCD mencapai kestabilan dinamika kisi yang tinggi pada hampir 70 persen pembuatan material komputasional, sebuah uji kestabilan yang ketat.
- Saat disetel secara khusus menggunakan metrik kestabilan, pendekatan ini menghasilkan material kristalin dengan 68 persen kestabilan mekanis dan 85 persen metastabilitas.
- Alat ini juga dapat menargetkan sifat tertentu, seperti konduktivitas termal tinggi untuk pendinginan pusat data atau konstanta dielektrik tinggi untuk cip komputer.
Mengapa kestabilan kimia menjadi hambatan dalam material rancangan AI
Model AI saat ini dapat menghasilkan jutaan desain material baru dalam hitungan menit, tetapi hal itu belum menghasilkan lonjakan material baru yang benar-benar digunakan dalam produk seperti cip komputer dan roket, karena model tersebut tidak secara andal memperhitungkan kestabilan kimia. Material yang tidak stabil tidak berguna di dunia nyata, sehingga industri harus menghabiskan anggaran komputasi besar untuk menyaringnya, dan terkadang hanya menyisakan sebagian kecil pilihan yang dapat digunakan.
Mouyang Cheng, mahasiswa doktoral MIT yang terlibat dalam penelitian ini, mengatakan bahwa memvalidasi kestabilan “memiliki biaya komputasi yang sangat besar,” yang diperkirakannya sekitar 90 persen dari biaya komputasi untuk menciptakan material yang dapat digunakan, serta menyatakan proses itu “dapat memakan waktu berminggu-minggu atau berbulan-bulan.” Perusahaan besar dengan anggaran komputasi besar dapat menanggung biaya tersebut, tetapi banyak perusahaan kecil dan laboratorium riset tidak dapat melakukannya, sehingga inovasi di bidang ini dapat terbatas.
Bagaimana CrysVCD meningkatkan model pembuatan material yang sudah ada?
CrysVCD bekerja dengan memeriksa bahwa setiap material yang diusulkan memenuhi aturan kunci kimia terkait elektron di sekitar atomnya sebelum tahap pembuatan yang mahal dimulai, bukan menyaring desain tidak stabil setelahnya. Sistem ini terhubung ke proses dua tahap: model bahasa terlebih dahulu menghasilkan formula yang valid secara kimia, lalu model difusi menghasilkan struktur atom kristal selaras dengan model pembuatan material yang mendasarinya.
Profesor madya Mingda Li menggambarkan peran alat ini dengan analogi media: “Jika model pembuat material seperti DVD, kami seperti pemutar DVD. Anda dapat memasangnya ke model apa pun, bukan hanya model difusi yang ada tetapi juga model masa depan, ketika orang tidak dapat menghasilkan cukup banyak material stabil, dan alat ini dapat meningkatkan kestabilan.” Mahasiswa doktoral MIT Weiliang Luo mencatat bahwa pembuatan material berbasis difusi pada umumnya lambat, “seperti 1.000 langkah untuk membuat satu material,” sedangkan menempatkan model CrysVCD pada awal proses dapat dipandang hanya membutuhkan “lima langkah.” Lulusan baru Hao Tang menambahkan bahwa penyaringan lebih awal ini “memungkinkan Anda menyaring material tidak stabil untuk menghasilkan material berkualitas lebih tinggi,” serta “bekerja dengan model apa pun yang menghasilkan material.”
Arti perkembangan ini bagi peneliti dan laboratorium akademik
Heather Kulik, Lammot du Pont Professor of Chemical Engineering di MIT, mengatakan kelompok akademik dengan sumber daya lebih sedikit daripada perusahaan besar tetap dapat mencapai kinerja kuat dalam penemuan material “dengan rancangan yang lebih cerdas dan pendekatan lain,” alih-alih mengandalkan pembuatan kandidat dalam jumlah sangat besar lalu memilih berdasarkan kestabilan setelahnya, yang ia sebut tidak efisien mengingat biaya komputasinya yang tinggi. Dengan membatasi pembuatan menggunakan model bahasa sejak awal, katanya, peneliti “dapat secara signifikan meningkatkan rasio material stabil yang dihasilkan.” Mingda Li mengatakan pendekatan itu “akan menghemat biaya dan waktu komputasi yang sangat besar dengan menghapus kebutuhan seleksi lanjutan,” yang menguntungkan upaya skala besar yang menghasilkan ratusan juta material maupun kelompok riset kecil yang mengejar aplikasi terarah.
Menargetkan sifat material untuk dunia nyata
Selain kestabilan, para peneliti menggunakan CrysVCD untuk menghasilkan kandidat material dengan konduktivitas termal tinggi dan polarisasi yang mudah dalam medan listrik, sifat yang relevan untuk semikonduktor dan pendinginan pusat data. Ju Li, Carl Richard Soderberg Professor in Power Engineering di MIT, mengatakan bahwa ini adalah “material yang berguna bagi industri semikonduktor dan material berkonduktivitas termal tinggi yang relevan untuk pendinginan pusat data,” seraya mencatat bahwa sekitar 30 persen penggunaan energi pusat data yang meningkat pesat digunakan untuk pendinginan, sehingga industri memerlukan material yang dapat membuang panas dengan lebih efisien.
Cheng mengatakan bahwa mengejar kestabilan dan sasaran kinerja tertentu secara bersamaan sangat menuntut: “Setiap kali Anda memiliki dua sasaran, mencapai sasaran tersebut dengan apa pun di atas 50 persen itu sulit di bidang ini. Di masa lalu, orang mungkin memiliki sasaran untuk sifat tertentu dan bukan kestabilan, atau sebaliknya, dan mendapatkan persentase satu digit material yang memenuhi sasaran mereka.” Tim tersebut mencatat bahwa pendekatan ini paling efektif pada struktur padat yang memiliki susunan internal sangat teratur, bukan pada semua jenis material.
Pertanyaan yang sering diajukan
Apa itu CrysVCD?
CrysVCD, singkatan dari “crystal generator with valence-constrained design,” adalah kerangka yang dikembangkan MIT dan memeriksa apakah desain material hasil AI memenuhi aturan dasar kimia kulit valensi sebelum proses pembuatan penuh dijalankan, sehingga meningkatkan peluang material yang dihasilkan stabil secara kimia.
Seberapa besar CrysVCD meningkatkan tingkat kestabilan material?
CrysVCD mencapai kestabilan dinamika kisi yang tinggi pada hampir 70 persen pembuatan material komputasional, dan ketika disetel secara khusus menggunakan metrik kestabilan, alat ini menghasilkan material kristalin dengan 68 persen kestabilan mekanis dan 85 persen metastabilitas, menurut para peneliti MIT.
Siapa yang mengembangkan CrysVCD dan di mana penelitiannya diterbitkan?
CrysVCD dikembangkan oleh tim peneliti MIT, termasuk Mingda Li, Mouyang Cheng, Weiliang Luo, Hao Tang, Bowen Yu, Ju Li, dan Heather Kulik, bersama Yongqiang Cheng dari Oak Ridge National Laboratory serta Weiwei Xie dari Michigan State University. Karya ini dimuat dalam makalah di Nature Computational Science.
Pendanaan dan langkah berikutnya
Penelitian ini sebagian didukung oleh Departemen Energi AS, Mathworks Engineering Fellowship, National Science Foundation, dan U.S. Defense Threat Reduction Agency. Para peneliti menyatakan bahwa kerangka ini dirancang untuk terhubung ke model berbasis difusi yang sudah ada maupun model pembuatan material di masa depan, sehingga diposisikan sebagai alat umum untuk meningkatkan kestabilan di seluruh bidang ini, bukan solusi sekali pakai yang terikat pada satu arsitektur model.
