Using Artificial Intelligence to increase the rate of materials discovery tenfold

Kunstig intelligens skal tidoble forskningshastigheden

Energi Brændselsceller Elforsyning Energieffektivisering Energilagring Energiproduktion Energisystemer Fossile brændsler Solenergi Vindenergi

Indholdet af CO2 og metan i atmosfæren stiger og smogskyer hænger tungt over verdens storbyer. Topforskere fra hele verden har gennem Mission Innovation besluttet at gøre noget ved det ved hjælp af blandt andet supercomputere og kunstig intelligens.

Det internationale initiativ Mission Innovation (MI), der blev lanceret af 22 lande og EU på klimatopmødet COP21 i Paris i 2015, identificerede syv nøgleområder, som kræver aktion for at holde den globale opvarmning nede på 2 ˚C. Et nøgleområde er øget og hurtigere forskning i rene energiteknologier, for selv om udviklingen indenfor den grønne omstilling går hurtigt, går det ikke hurtigt nok.

”Inden teknologierne kan komme på plads, skal selve byggeklodserne, energimaterialerne, også på plads, og materialeforskning tager tid”, fortæller professor Tejs Vegge fra DTU Energi og fortsætter: ”Hvis vi skal have stoppet den globale opvarmning, så skal udviklingen af nye energimaterialer ske i højere hastighed end i dag. Vi skal have accelereret udviklingen af nye materialer.”

Et af Mission Innovations fokuspunkter er derfor Clean Energy Materials Innovation Challenge, der omhandler materialeforskning til energiteknologier. Tejs Vegge, en af Europas største kapaciteter inden for computerbaseret materialeudvikling til batterier, samt 54 andre professorer og topforskere mødtes med 75 observatører fra regeringer og topuniversiteter fra hele verden i efteråret til en workshop i Mexico.

"Hvis vi skal have stoppet den globale opvarmning, så skal udviklingen af nye energimaterialer ske i højere hastighed end i dag. Vi skal have accelereret udviklingen af nye materialer. "
Professor Tejs Vegge, DTU Energi

Målet var at sætte fart i udviklingen.

"Et mål med Mission Innovation er at kunne opdage og producere nye rene energimaterialer ti gange hurtigere, end vi gør i dag. Den traditionelle trial-and-error måde at forske på inden for materialeforskning går nemlig for langsomt", siger Tejs Vegge. "Hvis vi skal nå målet om at begrænse global opvarmning i tide, så er vi nødt til at kombinere allerede eksisterende viden inden for rene energimaterialer og automatiseret syntese med brug af kunstige intelligenser.”

Mennesker er for langsomme

De kunstige intelligenser bliver nødt til at tage over, fordi mennesker er alt for langsomme til at forske.

Det tog, trods udbredt brug af sortkrudt i middelalderens krige, datidens lærde 300 år at finde det optimale blandingsforhold mellem salpeter, svovl og trækul. Det har, trods salg af millioner af biler, taget ca. 100 års forskning i bilmotorer at forbedre benzinforbruget fra Ford T’s 5-9 km/liter i 1908 til nutidens 33 km/liter i de nye benzinøkonomiske hverdagsbiler. Og det tog 25 år fra IBM’s halve kilo tunge Simon-mobiltelefon, der kun kunne ringe, til nutidens lette smartphones, der kombinerer telefon, kamera og spillekonsol.

Selv om vi mennesker hele tiden bliver hurtigere og bedre til at forske, bl.a. ved hjælp af supercomputere, er forskerne stadig for langsomme. De benytter stadig forskningsmetoder, hvor man har en videnskabelig teori, efterprøver teorien med praktiske forsøg, laver en ny teori ud fra forsøgets resultater og afprøver den med nye forsøg. En fremgangsmåde, der har virket fint i århundreder, men nu skal tempoet speedes op.

”Effektiv udnyttelse af kunstig intelligens og supercomputere vil øge forskningshastigheden markant, ikke mindst fordi kunstig intelligens kan reducere antallet af praktiske forsøg”, siger Tejs Vegge.

DTU Energi bruger allerede i dag lignende fremgangsmåder, når DTU-forskerne udvikler af nye materialer til energikonvertering og -lagring. Det drejer sig f.eks. om nye batterimaterialer og elektrokatalysatorer til at omdanne CO2 til bæredygtige brændstoffer og kemikalier. Her benytter forskerne computermodeller til test og evaluering af tusindvis af mulige og hypotetiske materialekombinationer og strukturer, før de udvælger de mest lovende kombinationer til syntese, karakterisering og testning.

Forskningen fuldautomatiseres

Kunstige intelligenser (AI) er allerede en del af vores dagligdag. De virtuelle personlige assistenter, der er indbygget i vores smartphones, benytter talegenkendelse og en særlig brugergrænseflade baseret på dagligdags sprog til at forsøge at besvare spørgsmål, fremsætte anbefalinger og udføre handlinger. Og verdens store lægemiddelvirksomheder bruger allerede fuldautomatiserede synteserobotter til at lave synteser og teste dem.

Kunsten bliver at kombinere disse allerede kendte systemer baseret på kunstig intelligens og gøre dem mere selvlærende, så de kan hjælpe menneskeheden med at forske i energimaterialer.

”Vi skal udvikle en ny infrastruktur og en metodeudvikling, før vi kan fuldautomatisere forskningen i og produktionen af rene energiteknologier”, siger Tejs Vegge og beskriver, hvordan kunstig intelligens skal koble big data sammen med synteserobotter.

Metoden er lige så enkel at beskrive, som den indtil videre har vist sig svær at udføre.

Robotter som syntesekokke

Man tager en supercomputer med en kunstig intelligens, der er specialiseret i at behandle enormt store datamængder på internettet og fodrer den al kendt videnskabelig litteratur om synteser. Så tilføjer man vigtige nøgleord, som f.eks. temperatur og materialehårdhed, og beder den komme med synteseforslag.

"I første omgang kan systemet blive bedt om at levere, lad os sige ti forskellige forslag til syntese baseret på analyse af eksisterende data, Den vil derefter programmere en automatiseret synteserobot til at producere disse og baseret på den efterfølgende karakterisering og testning, gå tilbage og foreslå nye supercomputer-beregninger og endelig foreslå nye syntesebetingelser. Sløjfen gentages derefter indtil nye og forbedrede rene energimaterialer produceres ", forklarer Tejs Vegge.

”Fidusen er, at de kunstige intelligenser ikke på forhånd har fraskrevet materialekombinationer, som for mennesker virker helt utænkelige, og at de arbejder meget hurtigt.”

Nu skal politikerne på banen

Når mennesker på forhånd har udvalgt de to-tre mest lovende materialesammensætninger, har vi allerede begrænset os. Kunstige intelligenser ser sammenhænge i flere dimensioner, og de kan f.eks. kombinere strukturer og nye rækkefølger af molekyler i materialer, som vi aldrig ville have tænkt os frem til.

Tejs Vegges ekspertise i computermodellering af energimaterialer gjorde ham til del af Mission Innovations Mexico-møde, og han har efterfølgende været medforfatter på den hvidbog om resultaterne og anbefalingerne fra Clean Energy Materials Innovation Challenge, der er udkommet i dag den 25. januar 2018. Hvidbogen sendes ud til bl.a. den danske regering og ceremonien kan følges på livestream fra Mission Innovation Clean Energy Materials Innovation Challenge kl. 18.00 i dag, den 25. januar

Følg dette link til hvidbogen

"Hvidbogen indeholder en række stærke anbefalinger fra førende internationale eksperter om, hvad man skal investere i for at muliggøre brug af kunstig intelligens, automatiseret syntese og karakterisering. Alt sammen for at fremskynde forskning i næste generation af rene energimaterialer. Nogle anbefalinger kan måske synes lidt futuristiske, men jeg håber, at beslutningstagerne er modige nok til at følge dem, så vi kan opfylde Paris-målsætninger", siger Tejs Vegge.