Участники конкурса по применению ИИ Open Catalyst Challenge разрабатывали алгоритмы по применению глубокого обучения для квантовой химии и поиска катализаторов для возобновляемой энергетики. Организаторы конкурса — Meta AI (Facebook AI Research) и Университет Карнеги — Меллона. Он прошел в рамках крупнейшей ежегодной конференции по машинному обучению и вычислительной нейробиологии NeurIPS.
Для работы в феврале 2021 года участники получили самый объемный датасет по квантовохимическим свойствам материалов и молекул в мире — набор данных содержит 1,2 млн молекулярных релаксаций с результатами более 250 млн вычислений методом DFT. Основная задача — переход от затратных по времени и ресурсам квантовохимических расчетов, которые занимают до 24 часов на структуру, к более быстрым предсказаниям на основе машинного обучения — менее 0,1 секунды на предсказание. Данный датасет позволяет обучить модели для поиска более активных и энергоэффективный катализаторов для процессов превращения малых молекул в более ценные продукты и для хранения электрической энергии.
«Глобальное потепление из-за избыточной концентрации СО2 в атмосфере, а также неравное потребление электрической энергии в больших городах в зависимости от времени суток стало вызовом для создания новых способов хранения энергии, в том числе из возобновляемых источников. Один из таких подходов — использование СО2 как молекулу-аккумулятор, — объясняет Руслан Лукин, руководитель Лаборатории развития продукта в сфере искусственного интеллекта в новых материалах Университета Иннополис — За счет электрохимических процессов диоксид углерода может быть сконвертирован в более ценные малые молекулы — метан, этилен, метанол, этанол — и использован как для выработки электрической энергии обратно, так и в качестве строительного блока для производства полимеров и крупнотоннажных химических продуктов».
Во время конкурса специалисты Университета Иннополис построили модели на основе графовых нейросетей с передачей информации для предсказания энергии адсорбции из структуры катализатора и реагента. С помощью этого можно найти катализаторы, которые позволят сделать эти процессы возможными, а также отобрать среди огромного пространства катализаторов наиболее селективные и энергоэффективные с точки зрения каталитических процессов. К тому же данный датасет позволит найти более эффективные электрокатализаторы для водородной энергетики и производства удобрений напрямую из атмосферного азота, а также более экологичные автомобильные катализаторы.
Всего в соревновании участвовали 30 решений от команд из Microsoft Research, Technical University of Denmark, Университета Карнеги Меллон, Technical University of Munchen, Texas A&M University, KAUST, AIRI и т.д. Такое количество обусловлено очень высоким порогом вхождения: нужны мощные GPU сервера для обучения графовых нейросетей на данных по структурам, хорошая экспертиза в глубоком обучении на химических структурах и методах работы с данными кристаллических структур.
Группы работали над решениями до октября. Они оценивались по метрике точности модели MAE (Mean Absolute Error). «Проверка проводилась по нескольким тестовым разбивкам, а также учитывалась доля предсказаний, чья ошибка не превышает значение 0.01 eV, что говорит о том, что модели машинного обучения позволяют предсказывать свойства с той же точностью, что и квантовохимические расчеты. Точность решения победителей из Microsoft Research — 0,547 eV, наша точность — 0,618 eV», — пояснил Руслан Лукин. Вместе с ним в команде работали еще три специалиста Института искусственного интеллекта Университета Иннополис — Ростислав Григорьев, Максим Фадеев и Адель Яруллин.
«В этом году мы начали развивать исследования в области поиска и улучшения архитектур глубокого обучения, для предсказания свойств материалов и молекул. Архитектуры, представленные нашей командой на конкурсе, являются универсальными, и могут быть использованы как для предсказания свойств кристаллических материалов для применения их в катализе, поиска материалов для нейроморфных вычислений, а также и в области предсказания свойств молекул поиска новых лекарств. — заявил Руководитель Института искусственного интеллекта Университета Иннополис Рамиль Кулеев — Это значительно сократит время на проведение расчетов и экспериментов, а также позволит в дальнейшем более эффективно решить обратную задачу поиска материалов и молекул с заданными свойствами».
Читать далее
Посмотрите на метеорит, который пролетел над Канадой
Посмотрите на первую микрофотографию штамма омикрон
Китайский самолет летит в 5 раз быстрее скорости звука: он облетит Землю за несколько часов