Исследование Google DeepMind и UC Berkeley о создании новых материалов с помощью роботов, управляемых искусственным интеллектом, вызвало сомнения у группы химиков.
В первоначальном исследовании , опубликованном в ноябре в журнале Nature, было отмечено использование роботизированной лаборатории A-Lab для автоматического синтеза новых соединений, предсказанных моделью GNoMe от Google DeepMind.
Эта программа сгенерировала миллионы рецептов новых неорганических кристаллических соединений, потенциально полезных в будущей электронике. За 17 дней роботизированное устройство якобы создало более 40 новых материалов, 35 из которых были предсказаны GNoMe. Робот смешивал и нагревал различные порошки для создания материалов, структура которых исследовалась с помощью рентгеновской дифракции.
Алгоритм машинного обучения анализировал экспериментальные данные и сравнивал их с предсказанными моделями для подтверждения успешности синтеза соединения. Эксперимент рассматривался как важное доказательство того, что роботы, управляемые ИИ, могут способствовать научным открытиям.
Однако теперь результаты оспариваются. В отдельной статье семь исследователей из Принстонского университета и Университетского колледжа Лондона считают, что A-Lab не смог создать ни одного нового неорганического материала.
“К сожалению, мы обнаружили, что основное утверждение статьи A-Lab о синтезе большого количества ранее неизвестных материалов не соответствует действительности”, – говорится в их анализе, опубликованном на ChemRxiv . При изучении данных рентгеновской дифракции каждого материала они обнаружили, что большинство из них были неправильно классифицированы.
Рентгеновские дифракционные шаблоны позволяют ученым определять положение атомов внутри. Разные материалы создают различные дифракционные узоры. Ученые тщательно изучают пики и провалы в данных и сравнивают их с существующими шаблонами для интерпретации структуры каждого материала.
Данные из статьи A-Lab показывают, что большинство из 35 шаблонов для новых материалов, предсказанных GNoMe, похожи на смесь уже известных соединений, тогда как три из них вовсе не новы. Ошибки связаны с попыткой использовать ИИ для вычисления того, был ли создан новый материал или нет, рассказал Роберт Палгрейв, профессор неорганической и материаловедческой химии в УКЛ.
Исследователи из Google DeepMind и UC Berkeley предположительно определили, что если каждый образец, созданный роботом, имеет уровень чистоты более 50 процентов и его структура отличается от списка известных соединений в Базе данных кристаллических структур неорганических соединений (ICSD), его следует объявлять новым. Но этот процесс ненадежен, утверждают Палгрейв и его коллеги.
Искусственный интеллект может копировать действия человека, чтобы приблизиться к созданию искусственного общего интеллекта, находит DeepMind “С вычислительной точки зрения они не смогли справиться с так называемым ‘композиционным беспорядком’, который является очень важной особенностью неорганических материалов. Кристалл – это упорядоченное расположение атомов. Но даже в этом порядке может быть беспорядок. Представьте, что у вас есть набор детских строительных блоков одинакового размера и формы, которые расположены в идеально упорядоченном узоре на полу. Блоки похожи на атомы в кристалле”, – рассказал он нам.
“Но теперь представьте, что есть два цвета блока, красный и синий. У нас есть упорядоченный узор цветов, скажем, чередующиеся красный, синий, красный, синий и т.д. Вы можете получить расположение, напоминающее шахматную доску. Но также возможно, что цвета будут смешаны случайным образом. В этом случае сами блоки упорядочены, но цвета беспорядочны.”
Химики считают, что в первоначальном эксперименте не учитывался композиционный беспорядок и предполагалось, что атомы в каждом соединении, созданном A-Lab, упорядочены, когда на самом деле они беспорядочны и уже существуют в ICSD. “С экспериментальной точки зрения они пытались использовать ИИ для интерпретации своих экспериментальных данных, но это действительно не сработало. Я думаю, что ИИ вполне может проводить такой анализ. Я не знаю, почему у них не получилось, но результаты хуже, чем даже у начинающего человека”, – добавил Палгрейв.
Многие результаты плохо соответствовали предсказанным моделями дифракционным шаблонам, и их нельзя надежно использовать в качестве доказательства структуры или чистоты соединения, сказала группа. Результаты не обязательно ставят под сомнение сам алгоритм GNoME. На самом деле Палгрейв и его коллеги считают, что если бы некоторые из предсказанных GNoME кристаллических структур неорганических материалов были успешно синтезированы, это привело бы к созданию нового материала.
Тем не менее, соединения, созданные A-Lab, не являются новыми, что означает, что ни один из новых материалов GNoME пока не был произведен, считают они. “На мой взгляд, [статью] следует отозвать, так как основное утверждение об открытии новых материалов ошибочно”, – сказал он нам.
Гербранд Седер, главный автор исходной статьи A-Lab и профессор материаловедения и инженерии в UC Berkeley, выразил свою позицию: “Анализ доктора Палгрейва еще не прошел процесс научного рецензирования, и, по нашему мнению, содержит ряд ошибок. Официальный ответ будет предоставлен позднее и опубликован в специализированных научных изданиях.”