I ricercatori del Dipartimento dell’Energia degli Stati Uniti hanno sviluppato un sistema basato sull’intelligenza artificiale per automatizzare un potente metodo di simulazione che prevede l’interazione tra gli atomi nei materiali, con la possibilità di accelerare la scoperta di nuovi materiali nei settori delle batterie, aerospaziale ed elettronica.
Un team di ricerca dell’Argonne National Laboratory del Dipartimento dell’Energia degli Stati Uniti (DOE) ha dimostrato con successo un sistema basato sull’AI per automatizzare un potente metodo di simulazione che prevede l’interazione tra gli atomi nei materiali. Il metodo, chiamato simulazione atomistica, può potenzialmente accelerare la scoperta di nuovi materiali per settori come batterie, aerospaziale ed elettronica. La ricerca è stata pubblicata sulla rivista Digital Discovery.
“Automatizzando queste indagini esaustive, possiamo potenzialmente ridurre i tempi necessari per la scoperta di nuovi materiali da mesi o anni a pochi giorni” spiega Aditya Koneru, uno degli autori dello studio.
Lo studio è frutto della collaborazione tra ricercatori del Center for Nanoscale Materials (CNM) dell’Argonne National Laboratory, dell’ALCF (Argonne Localized Construction Foundation) e dell’Università dell’Illinois a Chicago. Il CNM e l’ALCF sono strutture di ricerca dell’Office of Science del Dipartimento dell’Energia degli Stati Uniti (DOE).
Gli scienziati utilizzano le simulazioni atomistiche per comprendere meglio come il comportamento degli atomi influenzi le proprietà dei materiali, come la resistenza e la reattività. Le simulazioni possono fornire informazioni approfondite che guidano la progettazione e la scoperta di nuovi materiali per diversi settori industriali. La scoperta di nuovi materiali spesso richiede indagini approfondite su numerosi materiali e parametri sperimentali. Gli scienziati potrebbero dover eseguire decine o addirittura centinaia di simulazioni atomistiche, aumentando esponenzialmente i tempi necessari.
“Le simulazioni atomistiche manuali sono complesse, richiedono molto tempo e sono soggette a errori. Affinché questi strumenti computazionali avanzati possano accelerare la scoperta di materiali innovativi, devono essere molto più facili da usare per un pubblico più ampio” afferma Sankaranarayanan.
Automatizzare le simulazioni atomistiche
Il team dell’Argonne National Laboratory del Dipartimento dell’Energia degli Stati Uniti ha sviluppato un framework di intelligenza artificiale che automatizza le simulazioni atomistiche dall’inizio alla fine. Il framework è un team di agenti collaborativi: sistemi di intelligenza artificiale che eseguono compiti, interpretano i dati e prendono decisioni con un intervento umano limitato. L’architettura del framework è stata progettata in collaborazione con i ricercatori dell’Advanced Photon Source (APS), un’altra struttura per utenti dell’Ufficio della Scienza del Dipartimento dell’Energia degli Stati Uniti presso Argonne: “Il framework di intelligenza artificiale multiagente semplifica l’utilizzo di diversi strumenti per eseguire e analizzare simulazioni” commenta Katerina Vriza, ex ricercatrice del CNM presso l’Argonne National Laboratory.
L’utilizzo del framework di AI è semplice e intuitivo. Un utente umano inserisce un prompt di alto livello. Il prompt potrebbe essere una breve istruzione come “calcola il punto di fusione di una lega oro-rame”. In pochi minuti, il framework fornisce una risposta dettagliata. Il framework esegue la simulazione molto più velocemente e con meno errori rispetto a un essere umano.
La collaborazione uomo-agente è un aspetto importante del framework di intelligenza artificiale. In risposta alla richiesta iniziale dell’utente umano, l’agente amministratore può chiedere ulteriori dettagli sulla richiesta di simulazione. Gli agenti specializzati possono anche porre domande di approfondimento all’utente durante lo svolgimento delle loro attività: “Il nostro approccio riduce al minimo i tipici colli di bottiglia nelle pipeline di simulazione atomistica, permettendo ai ricercatori di aumentare significativamente la produttività e la scalabilità.” ha affermato Henry Chan, uno degli autori dello studio e ricercatore presso Argonne.
Risultati promettenti per il framework di AI
Il sistema ha eseguito simulazioni complete di diversi elementi e leghe. Le simulazioni hanno calcolato proprietà dei materiali come la struttura cristallina, il comportamento elastico e il comportamento vibrazionale. Le simulazioni sono state eseguite su Carbon, un cluster di calcolo ad alte prestazioni presso il CNM.
I calcoli degli agenti si sono rivelati straordinariamente simili a quelli ottenuti tramite simulazioni manuali eseguite da esperti del team di ricerca, dimostrando l‘accuratezza e l’affidabilità del framework. Le simulazioni manuali sono state eseguite presso il National Energy Research Scientific Computing Center, una struttura di calcolo dell’Office of Science del Dipartimento dell’Energia degli Stati Uniti (DOE) presso il Lawrence Berkeley National Laboratory.
Il framework è disponibile pubblicamente per la comunità scientifica. È inoltre personalizzabile: i ricercatori possono utilizzare il framework esistente o adattarlo alle proprie esigenze, eseguendo simulazioni per diverse classi di materiali. Può anche essere potenzialmente utilizzato per condurre esperimenti di laboratorio robotici autonomi.
Il sistema consentirà a molti più ricercatori di esplorare la vasta complessità del panorama dei materiali con velocità e precisione senza precedenti.
