Penemuan Material AI Google DeepMind

Kecerdasan buatan (AI) Google DeepMind telah mencapai tonggak sejarah dengan memprediksi struktur lebih dari dua juta bahan kimia baru.

Perkembangan ini,diungkapkan dalam makalah Nature baru-baru ini menandakan sebuah lompatan dalam memajukan teknologi dunia nyata.

Dalam publikasi ilmiah mereka pada hari Rabu, 29 November, perusahaan AI melaporkan bahwa hampir 400.000 desain material teoretisnya siap untuk pengujian laboratorium dalam waktu dekat.

Aplikasi potensial dari penelitian ini mencakup peningkatan baterai, panel surya, dan chip komputer untuk meningkatkan kinerja secara keseluruhan.

Makalah ini menggarisbawahi sifat tradisional yang mahal dan memakan waktu untuk mengidentifikasi dan menciptakan bahan baru.

Butuh waktu sekitar dua dekade penelitian sebelum baterai lithium-ion, yang sekarang ada di mana-mana di perangkat seperti ponsel, laptop, dan kendaraan listrik, menjadi layak secara komersial.

Ekin Dogus Cubuk, seorang ilmuwan peneliti di DeepMind, menyatakan optimismenya:

"Kami berharap peningkatan besar dalam eksperimen, sintesis otonom, dan model pembelajaran mesin akan secara signifikan memperpendek jangka waktu 10 hingga 20 tahun tersebut menjadi sesuatu yang jauh lebih mudah dikelola,

AI yang dikembangkan oleh DeepMind menjalani pelatihan menggunakan data dari Proyek Material, sebuah konsorsium penelitian internasional yang didirikan diLawrence Berkeley National Laboratory pada tahun 2011.

Dataset ini terdiri dari informasi sekitar 50.000 materi yang sudah ada sebelumnya.

Komitmen terhadap Komunitas Penelitian

DeepMind telah berkomitmen untuk membagikan datanya kepada komunitas peneliti, yang bertujuan untuk mempercepat terobosan lebih lanjut dalam penemuan material.

Namun,Kristin Persson, direktur Proyek Material menyebutkan dalam makalah tersebut bahwa industri tetap berhati-hati terhadap potensi kenaikan biaya, menyoroti bahwa material baru sering kali membutuhkan waktu untuk menjadi hemat biaya

"Industri cenderung sedikit menghindari risiko dalam hal kenaikan biaya, dan material baru biasanya membutuhkan sedikit waktu sebelum menjadi efektif dari segi biaya. Jika kita dapat mengurangi sedikit saja, itu akan dianggap sebagai terobosan yang nyata.

Menyusul keberhasilan AI dalam memprediksi stabilitas material baru ini, DeepMind kini mengalihkan fokusnya untuk memperkirakan kemampuan sintesisnya dalam kondisi laboratorium.