Atomi kerrallaan
Joka maanantaiaamu kello yhdeksän Milica Todorović nappaa lautasellisen puuroa ja istuu alas juttelemaan tietojenkäsittelytieteilijöiden kanssa siitä, miten koneet oppivat.
Todorović on osa alati kasvavaa luonnontieteilijöiden joukkoa, joka haluaa jokapäiväiseen työhönsä apua tekoälymenetelmiltä. Pysyttelemällä kärryillä koneoppimisen asiantuntijoiden tekemisistä, hän saattaa yhdistellä pieniä asioita fiksummin omassa tutkimuksessaan.
Miten pikkiriikkisistä asioista oikein on kyse? Aivan minimaalisista.
Todorović tutkii, miten laitteet älypuhelimista aurinkopaneeleihin toimivat aineen pienimpien yksiköiden, atomien, tasolla.
Kestävän energian kaltaiset globaalit haasteet edellyttävät teknologiaa, joka perustuu uusiin, edistyneisiin materiaaleihin. Todorović metsästää tarkoitukseen parhaiten soveltuvia materiaalien yhdistelmiä, komposiitteja.
”Materiaalitieteen huipulla kehitetään äärimmäisen monimutkaisia materiaaleja, joissa voivat yhdistyä keskenään täysin erilaiset ominaisuudet.”
Todorovićin tutkimat aineet ovat useimmiten orgaanisten pehmeiden materiaalien, kuten puutuotteiden selluloosan, sekä metallien kaltaisten epäorgaanisten aineiden sekoituksia.
”Koska mahdollisia yhdistelmiä on lähes loputtomasti, meidän pitää muuttaa ajatteluamme perin juurin, jotta löytäisimme uusia lähestymistapoja.”
Päättelyä ja intuitiota
Tulevaisuuden laitteiden ja elektroniikan materiaalien optimointi ei ole vain pikkuseikkojen hienosäätöä sieltä täältä. Materiaalien välinen vuorovaikutus pitää tuntea läpikotaisin, jotta niistä voi valmistaa toimivaa teknologiaa.
Ensimmäinen askel on valita oikeat materiaalit, mikä ei tosin vielä takaa sitä, että niistä valmistettu laite toimisi jouhevasti. Kokoonpanovaiheessa voidaan vahingossa saada aikaan epäoptimaalisia rakenteellisia liitoksia. Parhaimmillakaan komponenteilla ei saada aikaan toivottua lopputulosta ja moitteetonta laitetta, jos osasia ei yhdistetä täsmälleen oikealla tavalla tai juuri oikeassa lämpötilassa.
Esimerkiksi elektroniikassa on käytännössä äärettömästi erilaisia tapoja sovittaa komponenttien materiaaleja yhteen. Mitä paremmin materiaalit sopivat yhteen, sitä tehokkaampi laitteesta tulee.
Siinä vaikein temppu onkin: miten löytää parhaat yhdistelmät?
Kvanttimekaniikan, maailmaa kaikkein pienimässä mittakaavassa tarkastelevalla fysiikan alalla ajatellaan usein, että yhdistelmiä kokeilevat laskelmat ovat aivan liian raskaita tuottaakseen tulosta riittävän nopeasti. Tähän asti tutkijat ovat tukeutuneet sovelluksien suunnittelussa periaatteisiin, jotka perustuvat kokemukseen siitä, mitkä materiaalit ovat perinteisesti toimineet hyvin yhdessä.
Kokemukseen luottamiseen on perustellut syyt. Vuosien työn tuloksena tutkijat ovat kehittäneet vahvan tuntuman siihen, miten eri tyyppiset komposiittimateriaalit sopivat tietynlaisiin sovelluksiin. Ratkaisuja voidaan poimia lukuisista toimiviksi todetuista vaihtoehdoista.
Mutta mikään ei ole varmaa alalla, jossa pelkkä erilaisten yhdistelmien lukumäärä ylittää ihmisen laskentakapasiteetin. Komposiittimateriaalien tutkimus on kallista paitsi työtunneissa myös laskenta-ajassa mitattuna. Työhön sisältyy myös runsaasti arvailua ja kemiallista intuitiota.
Milica Todorovićmyöntää menetelmän heikkoudet.
”Kemiallinen intuitio voi kantaa pitkälle, mutta ei anna varmuutta siitä, jäikö jokin oleellinen yhdistelmä kokonaan huomiotta. Siksi materiaalitutkimuksessa panostetaan nyt tekoälyyn. Se tarjoaa ennakkoluulottoman näkökulman valtavaan aineistoon.”
Työkalut uusiksi
Milica Todorović tekee tiivistä yhteistyötä professori Patrick Rinken kanssa. Hän on teknillisen fysiikan ja laskennallisen materiaalifysiikan asiantuntija. Yhdessä he ovat seuranneet alan kehitystä viimeisen kahden vuosikymmen ajan ja näkevät tekoälyn työkaluna, joka voi auttaa tekemään asiat toisin – ja paremmin.
”Tekoäly on meille erilainen tapa ymmärtää luonnollista maailmaa”, Rinke sanoo.
”Se auttaa meitä tunnistamaan kaavoja, joita ihmiset eivät havaitse. Lisäksi voimme sen avulla käsitellä suuria määriä dataa.”
Vaikka materiaalitutkimuksen tavoitteena on kaiken aikaa ollut suunnitteluprosessin parantaminen, tähän asti tutkijat ovat pyrkineet vain nopeuttamaan eri työvaiheita. Jos oikeiden materiaaliyhdistelmien löytämistä ajattelee matkana pisteestä A pisteeseen B, menetelmien parantaminen on tarkoittanut saman etapin ajamista autolla kerta toisensa jälkeen himpun verran nopeammin.
Patrick Rinken mukaan tekoälyn hyödyntäminen materiaalien jalostamisessa on jotain aivan muuta. Se on paradigman muutos.
”Autolla ajamisen sijaan on omaksuttu täysin uusi lähestymistapa – nyt hypätään lentokoneeseen.”
Harppaus eteenpäin, nopeita tuloksia
Todorović ja Rinke havainnollistavat eroa perinteisen ja tekoälyllä ryyditetyn tutkimuksen välillä. He tekivät saman kokeen ensin tavanomaisin menetelmin, sitten tekoälytyökalun avulla. He tarkastelivat minimaalisen pieniä rajapintoja, molekyylin ja kiderakenteen välistä kontaktia. Lopputulos oli sama, mutta tekoälyn avulla siihen päästiin huikean nopeasti. Laskenta-aika oli vain kolme prosenttia aiemmasta.
”Eli 30 kertaa nopeampaa ja 100 kertaa kivuttomampaa,” Patrick Rinke hykertelee.
Tekoäly antaa tutkijoille vapauden keskittyä tärkeimpiin ongelmiin. Kontaktirakenteen tunnistaminen on usein niin intensiivistä työtä, että ominaisuuksien – ja valmiin laitteen toiminnan – miettimiselle ei jää juurikaan aikaa.
Tekoälyn tehojen valjastaminen antaa tutkijoille mahdollisuuden keskittyä aiempaa enemmän kehitystyön myöhempiin vaiheisiin. Hitusella onnea he saavat myös parempia tuloksia.
Tekoälytyökalun hyödyt eivät silti ole vielä kiistattomia. Perinteiset metodit toimivat todistetusti, alasta riippumatta. Vaikka uusilla menetelmillä saavutetaankin nopeita tuloksia, vie aikaa, että ne hyväksytään yleiseen käyttöön.
Tekoälymenetelmät antavat vastauksia nopeasti, mutta se, miten tuloksiin on päädytty, voi jäädä pimentoon.
”Vastauksen ja datan välinen maasto on edelleen läpitunkemattomampi kuin haluaisimme. Me kuitenkin jäljitämme askeleet taaksepäin, koska haluamme todella tietää syyt”, Milica Todorović sanoo.
”Hyvän tuloksen saaminen ei riitä – haluamme myös tietää, miksi uudet metodimme toimivat niin hyvin.”
Luovuutta peliin
Tekoälyteknologiassa ydinosaaminen on tietojenkäsittelytieteilijöillä, joten harppaus edellyttää muiden alojen tutkijoilta erinomaisia viestintätaitoja ja kykyä siirtää tietoa alalta toiselle.
Rinken ja Todorovićin tiimin tuore projekti on tästä hyvä esimerkki. He tiesivät, että tekoäly voi oppia tunnistamaan ja erottamaan kissat ja koirat valokuvista. Niinpä tiimi alkoi kehittää tekoälyä, joka oppisi materiaaleja, jotka he jo tuntevat.
”Päättelimme, että tekemällä kuvallisen esityksen datastamme, voisimme hyödyntää samaa työkalua, joka erotti kissan koirasta”, Patrick Rinke kertoo.
Sen jälkeen heidän piti vain kouluttaa tekoäly ymmärtämään, että yhden tyyppinen kuva tarkoittaa yhtä ja toisen tyyppinen toista.
”Toistimme tätä 50 000 kertaa, ja sitä seuraavalla kerralla tekoäly ennusti oikein”, Rinke sanoo.
Metodit ovat siis jo olemassa; niiden ottaminen käyttöön vaatii vain sivuaskeleen tai pari totutuista toimintatavoista.
”Meidän on kurkotettava oman yhteisömme ulkopuolelle oppiaksemme uusista tekniikoista. On tärkeää järjestää tapaamisia, joissa tutkijat voivat ’ristipölyttää’ toistensa aloja”, Milica Todorović korostaa.
”Ja pitää mielessä, että vuoropuhelu luo lisäarvoa.”
Teksti: Katrina Jurva. Kuva: Venla Helenius.
Artikkeli on julkaistu Aalto University Magazinen numerossa 23 (issuu.com) lokakuussa 2018.
- Julkaistu:
- Päivitetty: