Возможно, в научных пособиях будущего всегда будет присутствовать обязательная строчка: «проконсультируйтесь с ИИ». Даже сегодня, когда системы искусственного интеллекта делает лишь первые робкие попытки осознать окружающий мир, ученые уже вовсю пользуются их услугами для создания совершенно новых материалов. Так, команда ученых из Университета TU Delft в Нидерландах создала новый материал, который является чрезвычайно прочным и при этом отлично подвергается сжатию.

Исследователи в области материаловедения постоянно ищут новые геометрические паттерны организации структуры материалов. Конечно, в первую очередь их интересуют те, которые могут быть созданы в реальном мире при сравнительно небольших затратах ресурсов и энергии, и которые при этом будут обладать практической пользой. «Если вы измените геометрию материала, то он будет вести себя не так, как раньше — например, начнет ломаться или гнуться совсем по‑другому», поясняет Мигель Бесса, один из авторов новой статьи, опубликованной в Advanced Materials .

TU DELFT UNIVERSITY
Метаматериал, созданный искусственным интеллектом, похож на губку, но с одним отличием: если сдать его достаточно сильно, он сохранит свою форму

Раньше на подобного рода эксперименты уходили долгие месяцы моделирования и испытаний. Однако теперь ИИ позволил разработать совершенно новый материал без единого эксперимента. «Раньше на создание нового паттерна уходило около 10 тестов, а некоторым материалам нужны были все 100. И они могли и вовсе не приблизить вас к цели, ведь существуют сотни тысяч разных вариаций», поясняет Бесса.

Но теперь эта эпоха уходит в прошлое. Исследователи из Массачусетского технологического института и Калифорнийского университета в Беркли даже создали новую систему искусственного интеллекта, которая может анализировать уже существующие исследовательские работы для создания «рецептов» новых материалов.

Впрочем, настоящая важность открытия даже не в новом материале, а в том, как именно он был разработан. С таким подходом уже в ближайшем будущем с помощью машинного обучения можно будет «натренировать» алгоритмы для самостоятельной работы в той или иной сферы. Единственное требование для того, чтобы такой подход сработал — снабдить систему достаточным количеством данных для анализа и постоянно совершенствовать алгоритмы их обработки.