Google DeepMind โชว์ปัญญาประดิษฐ์ GNoME ค้นพบวัสดุชนิดใหม่ๆ 2.2 ล้านรูปแบบ – SMS Marketing ราคาถูกที่สุด
![](https://sms.deecommerce.co.th/blog/wp-content/uploads/2023/11/1cd3ab02d6f9fb9b1ce00568ddb44a17-YBqpfD-750x450.jpeg)
Google DeepMind เปิดตัวปัญญาประดิษฐ์สาย deep learning ตัวใหม่ชื่อ Graph Networks for Materials Exploration (GNoME ไม่เกี่ยวอะไรกับเดสก์ท็อป GNOME) สร้างขึ้นมาเพื่อค้นพบ “คริสตัล” หรือโครงสร้างผลึกชนิดใหม่ๆ ที่เป็นไปได้ในเชิงวัสดุศาสตร์ (material)
การมองหาคริสตัลรูปแบบใหม่ๆ เกิดขึ้นมานานแล้ว การทดลองของมนุษย์สามารถค้นพบได้ราว 20,000 รูปแบบ ภายหลังเมื่อนำเทคนิคทางคอมพิวเตอร์เข้ามาช่วย (Materials Project) สามารถค้นหาได้ 48,000 รูปแบบ แต่ AI แบบเดิมก็มีข้อจำกัดเรื่องความแม่นยำอยู่พอสมควร
ภาพจาก Stefan / Pexels
เทคนิคใหม่อย่าง GNoME สามารถพยากรณ์วัสดุได้ทั้งหมด 2.2 ล้านรูปแบบ (เท่ากับมนุษย์ใช้เวลาค้นหา 800 ปี) ในจำนวนนี้มี 380,000 รูปแบบที่เสถียร หากมนุษย์ลองสังเคราะห์ขึ้นมาก็สามารถคงตัวอยู่ได้ เปิดโอกาสของความเป็นไปได้ใหม่ๆ ทางวิทยาศาสตร์มากมาย เช่น การทำตัวนำยิ่งยวดหรือ superconductor ที่ DeepMind บอกว่าพบความเป็นไปได้ของตัวนำลิเทียมไอออน 528 รูปแบบ มากกว่าการค้นหาในอดีตถึง 25 เท่า
หมายเหตุ: DeepMind มีปัญญาประดิษฐ์ค้นหาโปรตีนรูปแบบใหม่ๆ ลักษณะคล้ายๆ กันคือ AlphaFold รอบนี้เปลี่ยนจากค้นหาโปรตีน มาเป็นค้นหาวัสดุแทน
เบื้องหลังของ GNoME เป็นโมเดลแบบ graph neural network (GNN) รับข้อมูลอินพุตรูปแบบกราฟ ซึ่งใกล้เคียงกับโครงสร้างของอะตอม ทำให้ GNN เหมาะมากสำหรับการค้นหาวัสดุที่มีโครงสร้างคริสตัล ส่วนข้อมูลที่ใช้เทรนนำมาจากฐานข้อมูล Materials Project ที่มีอยู่แล้ว นำมาจำลองโครงสร้างคริสตัลที่เป็นไปได้ และพยากรณ์เสถียรภาพของวัสดุที่ค้นพบ
ผลการค้นพบของ GNoME เปรียบเสมือน “สูตรอาหาร” ที่เป็นแนวทางให้นักวิทยาศาสตร์ลองไปสร้างวัสดุแบบนี้ขึ้นมาจริงๆ เพื่อดูว่าใช้งานได้หรือไม่ หลังการพยากรณ์ของ GNoME ทีมงานค่อยไปค้นหาข้อมูลในงานวิจัยต่างๆ และพบว่ามีนักวิจัยทั่วโลกลองสร้างวัสดุขึ้นมาแล้ว 736 แบบที่ตรงกับในสูตรที่ GNoME พยากรณ์ไว้ การมีสูตรเอาไว้ล่วงหน้าแบบนี้จึงช่วยลดระยะเวลาทำงานของนักวิทยาศาสตร์ลงได้มาก
หลังการค้นพบ Google DeepMind ยังร่วมมือกับห้องวิจัย Berkeley Lab ลองสร้างวัสดุตามการพยากรณ์ขึ้นมาได้ 41 แบบแล้ว ถือเป็นการยืนยันว่าแนวทางการใช้ AI พยากรณ์วัสดุนั้นเป็นไปได้จริงๆ
ที่มา – Google DeepMind