AI를 사용하여 미래의 폴리머 찾기

 나일론, 테프론, 케블라. 이것들은 세상을 변화시킨 몇 가지 친숙한 고분자, 즉 고분자 화합물입니다. 테프론 코팅 프라이팬부터 3D 프린팅에 이르기까지 폴리머는 세상을 더 좋게 만드는 시스템을 만드는 데 필수적입니다.

차세대 획기적인 폴리머를 찾는 것은 항상 어려운 일이지만 이제 Georgia Tech 연구원들은 인공 지능(AI)을 사용하여 해당 분야의 미래를 형성하고 변화시키고 있습니다. Rampi Ramprasad 그룹은 재료 발견을 가속화하기 위해 AI 알고리즘을 개발하고 적용합니다.

올해 여름에 두 편의 논문이 출판되었습니다. 자연 저널 계열은 수년간의 AI 기반 고분자 정보학 연구에서 나온 중요한 발전과 성공 사례를 강조합니다. 첫 번째로 소개된 자연 리뷰 자료에너지 저장, 여과 기술 및 재활용 플라스틱 등 중요하고 현대적인 응용 분야 전반에 걸쳐 폴리머 설계의 최근 혁신을 보여줍니다. 두 번째는 다음에서 출판되었습니다. 네이처커뮤니케이션즈는 AI 알고리즘을 사용하여 정전기 에너지 저장을 위한 폴리머의 하위 클래스를 발견하는 데 중점을 두고 있으며, 설계된 재료는 성공적인 실험실 합성 및 테스트를 거쳤습니다.

재료 과학 및 공학부 교수인 Ramprasad는 "10여년 전 백악관의 재료 게놈 이니셔티브에 의해 추진된 재료 과학 분야의 AI 초기에는 이 분야의 연구가 주로 호기심에 기반해 이루어졌습니다."라고 말했습니다. "최근 몇 년 동안 우리는 AI 기반 가속 폴리머 발견에서 실질적인 실제 성공 사례를 보기 시작했습니다. 이러한 성공은 이제 산업 재료 R&D 환경에 중요한 변화를 불러일으키고 있습니다. 이것이 바로 이 검토가 매우 중요하고 시기적절한 이유입니다."

AI 기회

Ramprasad 팀은 폴리머 특성과 공식이 물리적으로 생성되기 전에 즉시 예측할 수 있는 획기적인 알고리즘을 개발했습니다. 프로세스는 애플리케이션별 대상 속성 또는 성능 기준을 정의하는 것으로 시작됩니다. 기계 학습(ML) 모델은 기존 재료 특성 데이터를 학습하여 원하는 결과를 예측합니다. 또한 팀은 ML 모델을 통해 특성이 예측되는 새로운 폴리머를 생성할 수 있습니다. 그런 다음 목표 속성 기준을 충족하는 최고의 후보가 실험실 합성 및 테스트를 통해 실제 검증을 위해 선택됩니다. 이러한 새로운 실험의 결과는 원본 데이터와 통합되어 지속적이고 반복적인 프로세스를 통해 예측 모델을 더욱 개선합니다.

AI는 새로운 폴리머의 발견을 가속화할 수 있지만 고유한 과제도 제시합니다. AI 예측의 정확성은 풍부하고 다양하며 광범위한 초기 데이터 세트의 가용성에 따라 달라지므로 품질 데이터가 가장 중요합니다. 또한 화학적으로 현실적이고 합성 가능한 폴리머를 생성할 수 있는 알고리즘을 설계하는 것은 복잡한 작업입니다.

실제 과제는 알고리즘이 예측을 한 후에 시작됩니다. 즉, 설계된 재료가 실험실에서 만들어지고 예상대로 작동할 수 있음을 입증한 다음 실제 사용을 위해 실험실을 넘어 확장성을 입증하는 것입니다. Ramprasad 그룹은 이러한 재료를 설계하고 Georgia Tech를 포함한 다양한 기관의 공동 작업자가 제작, 처리 및 테스트를 수행합니다. 화학 및 생체분자공학부의 Ryan Lively 교수는 Ramprasad 그룹과 자주 협력하고 있으며 자연 리뷰 자료.

Lively는 "일상적인 연구에서 Rampi 팀이 개발한 기계 학습 모델을 광범위하게 사용합니다."라고 말했습니다. "이러한 도구를 사용하면 작업 속도가 빨라지고 새로운 아이디어를 신속하게 탐색할 수 있습니다. 이는 실험실에서 개념을 탐색하는 데 시간과 리소스를 투입하기 전에 모델 기반 결정을 내릴 수 있기 때문에 ML 및 AI의 약속을 구현합니다."

Ramprasad 팀과 협력자들은 AI를 사용하여 에너지 저장, 여과 기술, 적층 가공, 재활용 재료 등 다양한 분야에서 상당한 발전을 이루었습니다.

폴리머 진행

주목할만한 성공 중 하나는 네이처커뮤니케이션즈 종이에는 정전기 에너지를 저장하는 커패시터용 새로운 폴리머 설계가 포함됩니다. 이러한 장치는 특히 전기 및 하이브리드 차량의 핵심 구성 요소입니다. Ramprasad 그룹은 코네티컷 대학의 연구원들과 협력했습니다.

전류 커패시터 폴리머는 높은 에너지 밀도 또는 열 안정성을 제공하지만 둘 다를 제공하지는 않습니다. 연구원들은 AI 도구를 활용하여 폴리노보넨과 폴리이미드 폴리머로 만든 단열재가 높은 에너지 밀도와 높은 열 안정성을 동시에 달성할 수 있다고 판단했습니다. 폴리머는 환경 지속 가능성을 유지하면서 항공우주 응용 분야와 같은 까다로운 환경에서 기능하도록 더욱 향상될 수 있습니다.

Ramprasad는 "높은 에너지 밀도와 높은 열 안정성을 갖춘 새로운 종류의 폴리머는 AI가 어떻게 재료 발견을 안내할 수 있는지 보여주는 가장 구체적인 예 중 하나입니다."라고 말했습니다. "이것은 또한 코네티컷 대학의 Greg Sotzing 및 Yang Cao와 수년간의 다학문적 공동 작업과 해군 연구실의 지속적인 후원의 결과이기도 합니다."

산업 잠재력

AI 지원 재료 개발의 실제 번역 가능성은 업계의 참여를 통해 강조됩니다. 자연 리뷰 자료 기사. 이 논문의 공동저자에는 Toyota Research Institute와 General Electric의 과학자도 포함되어 있습니다. 업계에서 AI 기반 재료 개발의 채택을 더욱 가속화하기 위해 Ramprasad는 최근 Georgia Tech에서 분사한 소프트웨어 스타트업 회사인 Matmerize Inc.를 공동 창립했습니다. 클라우드 기반 고분자 정보학 소프트웨어는 에너지, 전자, 소비재, 화학 ​​처리, 지속 가능한 재료 등 다양한 분야의 기업에서 이미 사용되고 있습니다.

Ramprasad는 "Matmerize는 우리의 연구를 강력하고 다재다능하며 업계에 적합한 솔루션으로 전환하여 사용자가 가상으로 효율성을 높이고 비용을 절감하면서 재료를 설계할 수 있도록 했습니다"라고 말했습니다. "호기심으로 시작된 것이 상당한 추진력을 얻었으며 우리는 디자인을 통해 흥미진진한 새로운 소재 시대를 맞이하고 있습니다."

출처: https://www.sciencedaily.com/releases/2024/08/240819185140.htm