Facebook déploie son IA pour trouver des solutions de stockage d'énergie verte

Mais pour que le processus catalytique soit viable et efficace, le catalyseur doit être aussi efficace que possible. Cependant, étant donné que les catalyseurs sont généralement fabriqués à partir d'une combinaison de 3 ou 4 éléments dans un champ de près de 50 éléments potentiels et, lorsqu'ils sont pris avec une litanie d'autres variables chimiques et structurelles - du rapport des ingrédients à la configuration de les éléments au catalyseur forme de surface physique - il existe des milliards de façons potentielles de construire un «meilleur» catalyseur. Et ce n'est que pour une seule réaction chimique.

Le processus d'étude de nouveaux composés potentiels est donc assez lent, donc pour aider à accélérer le processus de création de catalyseur, Facebook AI s'est associé à l'Université Carnegie Mellon sur l'Open Catalyst Project. Ils prévoient de former des algorithmes d'apprentissage automatique sur des données open source pour «prédire avec précision les interactions atomiques beaucoup plus rapidement que les simulations lourdes de calcul sur lesquelles les scientifiques s'appuient aujourd'hui», selon un Article de blog du mercredi par la compagnie.

Ces simulations incluent la théorie fonctionnelle de la densité (DFT), un système de mécanique quantique que les ingénieurs chimistes emploieront souvent pour trouver les candidats les plus prometteurs et éviter d'éventuelles impasses de recherche.

«La théorie fonctionnelle de la densité est un moyen de résoudre la façon dont les électrons interagissent dans le système, vous essayez essentiellement de calculer la densité électronique», a expliqué Ulissi. «DFT dit que, si vous pouvez obtenir la densité électronique, alors vous connaissez réellement l'énergie finale [du système].»

Maintenant, si vous pensez que l'utilisation de la mécanique quantique pour simuler les mouvements relatifs d'électrons, d'atomes et de molécules dans un système à plusieurs corps dans une tentative de trouver la configuration avec l'énergie finale la plus faible («l'état détendu») nécessite une quantité absurde de puissance de traitement et de temps pour calculer, vous avez tout à fait raison. Même avec l'accès aux serveurs haut de gamme de Facebook, les calculs de relaxation peuvent prendre de 12 à 72 heures pour une seule itération de matériel candidat. 

Ainsi, plutôt que d'essayer de forcer brutalement ces milliards de permutations, Facebook et CMU ont établi l'ensemble de données Open Catalyst 2020, une collection de 1.3 million d'assouplissements d'adsorption moléculaire sur des surfaces et prévoient d'en tirer parti pour former des algorithmes d'apprentissage automatique sur la «physique fondamentale régissant la mécanique quantique, en enseignant les modèles à approximer l'énergie et les forces des molécules sur la base de données passées. » 

Non seulement un ensemble de données aussi volumineux devrait aider à améliorer considérablement les capacités de généralisation des modèles d'apprentissage automatique, mais aussi leur enseigner «la physique sous-jacente régissant les molécules aux interfaces inorganiques», a déclaré Larry Zitnick, chercheur scientifique sur Facebook sur l'IA dans le billet de mercredi.

Si les chercheurs réussissent à former un modèle ML, Zitnick a noté à Engadget, «nous pouvons prendre quelque chose qui prenait auparavant huit heures et il est probable que nous puissions faire ces mêmes relaxations et les faire en moins d'une seconde ... Nous ' espère remplacer fondamentalement DFT par un algorithme d'apprentissage automatique. »

«En réalité, ce à quoi nous pensons, c'est comment pouvons-nous amener l'IA ou le ML pour nous aider dans ce processus de sélection des [candidats] les plus intéressants», a déclaré Ulissi, «là où nous passons notre temps, ou nous aidons à identifier les tendances et obtenir des informations de plus haut niveau sur ce qui se passe afin que nous puissions guider l'expérimentateur dans une direction. "

«C'est ce que nous visons», répondit Zitnick. «Nous voulons commencer personnellement à explorer la catalyse à grande échelle, pas seulement la tester à 10, 10,000 100,000, XNUMX XNUMX ou des millions, mais commencer à tester des milliards de possibilités différentes.» 

En tant que tel, l'ensemble de données Open Catalyst 2020 a été rendu open source et disponible pour la communauté de recherche. Zitnick espère mettre sur pied un défi Facebook en utilisant l'ensemble de données dans un proche avenir.

Tous les produits recommandés par Engadget sont sélectionnés par notre équipe éditoriale, indépendante de notre maison mère. Certaines de nos histoires incluent des liens d'affiliation. Si vous achetez quelque chose via l'un de ces liens, nous pouvons gagner une commission d'affiliation.


Commentaires

55
Partages

En Savoir Plus

Andrew Tarantola