L’intelligenza artificiale potrebbe accelerare la formazione di leggi materiali

May 22, 2024

Per centinaia di anni, scienziati e ingegneri si sono affidati a formule analitiche per codificare importanti leggi materiali. Ad esempio, la legge di Hooke definisce le proprietà elastiche di un materiale e la legge di Ohm calcola la relazione tra tensione, corrente e resistenza in un circuito elettrico.

Le leggi materiali oggi, tuttavia, sono molto più complicate. Ecco un esempio tratto dalla ricerca del professore assistente Pu Zhang dell'Università di Binghamton: la conduttività elettrica di un materiale conduttivo morbido, un componente importante nell'elettronica morbida, è generalmente mappata come una forma di funzione tensore nello spazio a 12 dimensioni.

Riconoscere questi modelli e scomporli in formule matematiche di semplice utilizzo può richiedere anni – spesso decenni – di sperimentazione e derivazione, anche per gli scienziati e gli ingegneri più esperti.

Zhang, membro della facoltà del Dipartimento di ingegneria meccanica del Thomas J. Watson College of Engineering and Applied Science, vuole accelerare il processo di scoperta del diritto materiale con l'intelligenza artificiale e una recente sovvenzione di 294.992 dollari da parte della National Science Foundation finanzierà la sua ricerca.

Grazie al lancio di ChatGPT lo scorso autunno, sia le promesse che le insidie ​​dei sistemi di intelligenza artificiale sono entrate nel mainstream culturale. L’intelligenza artificiale, però, non è una novità: i ricercatori hanno perfezionato e migliorato la tecnologia sin dagli anni ’50.

Negli ultimi anni, Zhang ha studiato le proprietà conduttive dei materiali metallici liquidi. Nel 2022, ha ricevuto un NSF CAREER Award per esplorare le sue idee sulle reti di metalli liquidi nell'elettronica morbida che possono piegarsi o allungarsi senza rompersi.

Collaborerà con il professore assistente Lin Cheng presso il Worcester Polytechnic Institute in Massachusetts per sviluppare una nuova tecnica di intelligenza artificiale per generare leggi analitiche sui materiali.

"Se disponiamo di dati grezzi su come le proprietà fisiche di un materiale cambiano durante la deformazione, miriamo a trovare le formule matematiche specifiche delle leggi dei materiali", ha detto Zhang. “Ci volevano anni per sviluppare una nuova legge. Ora, con questi algoritmi di intelligenza artificiale, forse in un giorno potrai scoprire molto. Ciò rivoluzionerà l’intero campo”.

Per capire un nuovo percorso, Zhang e Cheng guarderanno all’intelligenza artificiale simbolica, che interpreta e genera equazioni invece di parole come fa ChatGPT.

"Le persone hanno sviluppato plugin che puoi aggiungere a ChatGPT per interpretare semplici equazioni matematiche, principalmente a livello da K a 12", ha detto Zhang. "Per la ricerca universitaria, ciò di cui abbiamo bisogno è matematica molto avanzata a livello di scuola di specializzazione, e questo è ancora qualcosa che ChatGPT, anche i componenti aggiuntivi, non può fare."

I ricercatori sperano anche di far luce sul modo opaco in cui spesso funziona l’intelligenza artificiale, il che rende i risultati difficili da adattare e interpretare.

“Un approccio mainstream negli ultimi anni è stato l’intelligenza artificiale e la modellazione basata sui dati”, ha affermato Zhang. “Addestrano un'enorme rete neurale che è come una scatola nera: inserisci i dati, ottieni i dati in output, tutto qui. Nessuno sa cosa sta realmente accadendo nella scatola nera. È molto difficile da usare perché scarichi un codice e non una formula matematica che puoi usare direttamente."

Un altro problema ricorrente con gli algoritmi di intelligenza artificiale: a volte offrono risposte plausibili che sono completamente sbagliate, un fenomeno che i programmatori di computer chiamano “allucinazioni”. Ad esempio, potrebbe riassumere erroneamente un libro che un autore non ha mai scritto o citare precedenti legali mai realmente accaduti.

Sebbene sia chiaro che qualsiasi formula dovrà essere verificata attraverso la sperimentazione, Zhang spera che le “allucinazioni” e altri risultati preoccupanti possano essere evitati.

“Un vantaggio della nostra tecnica di intelligenza artificiale simbolica è che abbiamo una solida base matematica, che aggiungerà automaticamente tutti i vincoli fisici alle leggi materiali”, ha affermato. "Almeno non sarà troppo sbagliato e aiuterà l'algoritmo a trovare le funzioni giuste."

Zhang e Cheng hanno presentato la loro proposta alla NSF prima che l'organizzazione no-profit OpenAI lanciasse ChatGPT, ma ora è un argomento caldo per ricercatori, studenti e l'industria tecnologica. Sebbene stiano sviluppando il loro software per risolvere problemi di scienza dei materiali, i principi potrebbero essere applicati a molti sforzi diversi che cercano formule analitiche da dati grezzi.