ARTIST-tekoäly selvittää materiaalien ominaisuudet hetkessä
Aalto-yliopiston ja Tanskan teknillisen yliopiston tutkijat ovat kehittäneet tekoälyn, joka nopeuttaa huomattavasti uuden teknologian, kuten puettavan elektroniikan ja joustavien aurinkopaneelien, kehitystä. ARTIST (Artificial Intelligence for Spectroscopy) on tekoäly, joka määrittää välittömästi, miten molekyylit reagoivat valoon. Se on käänteentekevä ratkaisu tulevaisuuden teknologioiden kehittämisessä.
Perinteisesti molekyylien reaktioita ulkoisiin ärsykkeisiin on tutkittu luonnontieteissä ja teollisuudessa spektroskopialla. Spektroskopiassa materiaalien ominaisuuksia selvitetään havainnoimalla niiden reaktioita esimerkiksi valoon, ja se on ollut ratkaisevassa asemassa lukemattomien arkipäivän teknologioiden kehityksessä. Nykyiset kokeellisen ja laskennallisen spektroskopian menetelmät ovat kuitenkin erittäin kalliita. Spektroskopiaan erikoistuneiden laboratorioiden käyttöaika on myös rajallista, ja laskentaan voi kulua valtavasti aikaa.
ARTIST mullistaa sen, miten yksittäisten molekyylien spektri eli reaktio valoon voidaan selvittää.
”Normaalisti olemassa oleva tutkimustieto yhdistetään tutkijan intuitioon, jotta löydetään laitteille sopivimmat molekyylit. Kunkin molekyylin spektrin selvittäminen on hakuammuntaa, joka saattaa kestää viikoista kuukausiin riippuen siitä, kuinka paljon potentiaalisesti sopivia molekyylejä on olemassa. Kehittämämme tekoäly kertoo nämä ominaisuudet välittömästi”, selittää Aalto-yliopiston tutkijatohtori Milica Todorović.
Nopeutensa ja tarkkuutensa ansiosta ARTIST voi vauhdittaa joustavan elektroniikan, kuten valodiodien eli LEDien ja näyttöominaisuuksilla varustettujen paperien, kehitystä. ARTIST tukee laboratoriossa tapahtuvaa perustutkimusta ja karakterisointia, ja se voi olla avainasemassa parempien akkujen ja katalyyttien sekä uusien, tarkasti määriteltyjä värejä sisältävien yhdisteiden kehityksessä.
Monitieteinen tutkimusryhmä opetti ARTIST-tekoälyä muutaman viikon ajan reilun 132 000 molekyylin tietoaineiston avulla. Nyt se kykenee ennakoimaan äärimmäisen tarkasti, miten käytetyt molekyylit ja vastaavat luonnossa esiintyvät molekyylit reagoivat valonsäteisiin. Ryhmä toivoo pystyvänsä kehittämään tekoälystä entistä tehokkaamman opettamalla sitä vielä suuremman aineiston avulla.
”Maailman laboratorioissa on odottamassa valtavat määrät spektroskopiatietoa. Toivomme saavamme käyttöömme lisää suuria tietoaineistoja, joilla voimme opettaa ARTISTia. Näin se pystyisi tulevaisuudessa oppimaan jatkuvasti tiedon määrän kasvaessa”, selittää Aalto-yliopiston professori Patrick Rinke.
Tutkijat pyrkivät julkaisemaan ARTISTin avoimella tiedealustalla vuoden 2019 aikana. Tällä hetkellä tekoälyn voi saada pyynnöstä koe- tai kehityskäyttöön.
Linkki artikkeliin (onlinelibraray.wiley.com)
Kunal Ghosh, Annika Stuke, Milica Todorović, Peter Bjørn Jørgensen, Mikkel N. Schmidt, Aki Vehtari, Patrick Rinke (2019): Deep Learning Spectroscopy: Neural Networks for Molecular Excitation Spectra, Advanced Science.https://doi.org/10.1002/advs.201801367
Lisätietoja
Professori Patrick Rinke
Puh. 050 443 3199
[email protected]
Tutkijatohtori Milica Todorović
Puh. 050 331 0029
[email protected]
Atomi kerrallaan
Tekoäly ei muuta vain tiedonkäsittelyä. Se muuttaa tapamme tehdä tutkimusta ylipäätään.
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Tutustu meihin: Professori Maria Sammalkorpi
Sammalkorpi on väitellyt tohtoriksi Teknillisestä korkeakoulusta vuonna 2004. Väiteltyään Sammalkorpi on toiminut tutkijana mm. Princetonin ja Yalen yliopistoissa sekä Aalto-yliopistossa.
Tutkimus: Matalan hierarkian organisaatioissa isoja periaatekysymyksiäkin ratkotaan porukalla Slackissa
Aalto-yliopiston alumni, vieraileva tutkijatohtori Lauri Pietinalho New Yorkin yliopiston Sternin kauppakorkeakoulusta ja Aalto-yliopiston apulaisprofessori Frank Martela selvittivät tuoreessa tutkimuksessa, miten matalan hierarkian organisaatiot käsittelevät yhteisiä toimintaperiaatteita vastakkainasettelutilanteissa ja miten auktoriteetti niissä toimii.
Fyysikot saivat bakteerit uimaan lähes täydellisissä riveissä
Bakteerien ohjaaminen onnistui magneettikentän avulla. Löytö auttaa ymmärtämään bakteeripopulaatioiden käyttäytymistä ja voi jatkossa auttaa esimerkiksi kehittämään uuden sukupolven materiaaleja, joista kaavaillaan apua muun muassa lääkkeiden kohdennettuun kuljettamiseen kehon sisällä.