Искусственный интеллект это наука: ИИ-лаборатория Radical AI создала 1200 сплавов за полгода

Подкаст Latent Space опубликовал интервью с основателем Radical AI Джозефом Краузе (Joseph Krause), учёным-материаловедом, который до запуска стартапа работал в Вашингтоне и наблюдал, как индустрия годами ждёт новых материалов. Краузе утверждает: традиционный цикл от открытия материала до его появления в серийном продукте занимает от 20 до 30 лет. Radical AI пытается сломать этот темп с помощью так называемой самоуправляемой лаборатории (self-driving lab, SDL).

Что даёт самоуправляемая лаборатория?

• ИИ-учёный вместо одиночных моделей. Краузе подчёркивает: ни одна отдельная модель не способна «с одного захода» спроектировать материал, который будет работать на производстве. Поэтому Radical AI собрала «ИИ-учёного», систему, которая объединяет научные знания, вычислительные методы и элементы человеческой интуиции, чтобы формулировать и проверять гипотезы автоматически.

• Замкнутый цикл без пауз. SDL работает как закрытая петля: ИИ-учёный генерирует гипотезу, роботизированная линия синтезирует материал, датчики тут же его характеризуют. Эксперименты идут параллельно, а не друг за другом.

• 1200 сплавов за шесть месяцев. Для сравнения: программа DARPA/GE MACH ставила цель создать 500 новых сплавов за год. По словам Краузе, Radical AI может довести темп до ста новых протестированных сплавов в день.

• Десять материалов с рекордными свойствами. Из 300 материалов, которые предложил ИИ-учёный, десять показали свойства на уровне лучших мировых образцов и уже разрабатываются для коммерческого применения.

• Новые элементные семейства. ИИ-учёный вышел в области, которые до этого никто не публиковал, а это потенциально снижает зависимость от узких цепочек поставок.

Открытые инструменты, которые можно использовать уже сейчас

Radical AI выложила в открытый доступ часть своего внутреннего стека:

• TorchSim — фреймворк для молекулярно-динамических симуляций на PyTorch. Выделен в отдельную некоммерческую организацию. Доступен как опенсорс (открытая модель с исходным кодом).

• MATRIX и MATRIX-PT — открытый датасет для бенчмаркинга (сравнительного тестирования) самоуправляемых лабораторий и модель, обученная на этом датасете. Любопытная деталь из интервью: улучшение рассуждений модели в области материалов параллельно улучшило её результаты в биологических задачах. Краузе назвал это «по-настоящему неожиданным результатом».

Как попробовать?

1. Послушайте полное интервью в подкасте Latent Space, чтобы понять логику «замкнутого цикла» и оценить применимость к вашей сфере.
2. Изучите TorchSim на GitHub, если занимаетесь молекулярным моделированием или дообучением (fine-tuning) моделей на физических данных. Фреймворк построен на PyTorch, порог входа ниже, чем у классических пакетов.
3. Скачайте датасет MATRIX и модель MATRIX-PT, чтобы протестировать бенчмарк самоуправляемых лабораторий на своих данных.

Есть ли что-то похожее в России?

Прямого аналога SDL от Radical AI на российском рынке пока нет. Российские инициативы в области ИИ для науки развиваются в другой плоскости:

Искусственный интеллект это исключительно область компьютерных наук только на первый взгляд. Пример Radical AI показывает, что ИИ уже стал рабочим инструментом в физике, химии и материаловедении, а не просто генератором текстов.

Частые вопросы

Что такое самоуправляемая лаборатория и чем она отличается от обычной автоматизации?

Обычная автоматизация выполняет заданные человеком шаги: «смешай вещества А и Б, нагрей до 800 градусов». Самоуправляемая лаборатория (self-driving lab) сама решает, какой эксперимент провести следующим: ИИ-учёный анализирует предыдущие результаты, формулирует новую гипотезу, а роботы её проверяют. Человек задаёт цель, а не последовательность действий.

Можно ли применить подход Radical AI не в материаловедении?

Сам Краузе в интервью отметил, что модель MATRIX-PT, обученная на данных о материалах, неожиданно улучшила результаты в биологических задачах. Это значит, что архитектура замкнутого цикла потенциально переносима в другие области экспериментальной науки, хотя готовых решений за пределами материаловедения Radical AI пока не предлагает.

Зачем это знать автору Дзена, далёкому от физики?

Искусственный интеллект это наука в самом прямом смысле: ИИ уже не просто пишет тексты, а ведёт реальные эксперименты. Понимание этого расширяет темы, о которых вы можете писать, и помогает точнее объяснять читателям, на что способны нейросети за пределами генерации картинок и чатов.

По материалам Latent Space