Những người sáng lập của Aionics nói rằng các công cụ Trí tuệ Nhân tạo của họ đang tăng tốc quá trình nghiên cứu.
Mười tỷ. Đó là số lượng phân tử có thể mua được trên thị trường ngày nay. Nếu xem xét chúng theo nhóm năm – tổ hợp thông thường được sử dụng để tạo thành vật liệu điện giải trong pin – thì con số này tăng lên thành 10^47 lần.
Với những người theo dõi, đó là một con số lớn.
Tất cả những tổ hợp đó đều quan trọng trong lĩnh vực pin. Tìm ra sự kết hợp phù hợp của các vật liệu điện giải có thể dẫn đến việc sản xuất ra một loại pin có thời gian sạc nhanh hơn, mật độ năng lượng cao hơn cho xe điện, lưới điện hoặc thậm chí máy bay điện. Nhược điểm? Tương tự như quá trình phát hiện thuốc, có thể mất hơn một thập kỷ và hàng ngàn thất bại để tìm ra sự phù hợp.
Đó là nơi mà các người sáng lập của công ty khởi nghiệp Aionics cho rằng công cụ Trí tuệ Nhân tạo của họ có thể giúp tăng tốc quá trình này.
“Vấn đề là có quá nhiều ứng viên và không đủ thời gian,” ông Austin Sendek, người sáng lập và Giám đốc điều hành của Aionics, nói với TechCrunch trong sự kiện Up Summit gần đây tại Dallas.
Chất điện giải, gặp gỡ Trí tuệ Nhân tạo
Pin lithium-ion chứa ba khối xây dựng quan trọng. Có hai điện cực, một cực âm (anode) ở một bên và một cực dương (cathode) ở bên kia. Một chất điện giải thường đặt ở giữa và hoạt động như người chuyển phát để di chuyển các ion giữa các điện cực trong quá trình sạc và xả pin.
Aionics tập trung vào chất điện giải và đang sử dụng một bộ công cụ Trí tuệ Nhân tạo để tăng tốc quá trình phát hiện và cuối cùng cung cấp pin tốt hơn. Cách tiếp cận của Aionics đối với việc khám phá xúc tác cũng đã thu hút sự quan tâm từ các nhà đầu tư. Công ty khởi nghiệp có trụ sở tại Palo Alto, được thành lập vào năm 2020, đã huy động được 3.5 triệu đô la đến nay, bao gồm một vòng gốc 3.2 triệu đô la từ các nhà đầu tư, trong đó có UP.Partners.
Công ty khởi nghiệp này đã làm việc với một số công ty, bao gồm công ty con sản xuất pin của Porsche, Cellforce. Công ty cũng đã hợp tác với công ty lưu trữ năng lượng Form Energy, công ty sản xuất vật liệu và hóa chất Nhật Bản Showa Denko (nay là Resonac) và công ty công nghệ pin Cuberg.
Toàn bộ quy trình này bắt đầu bằng danh sách mong muốn của một công ty – hoặc hồ sơ hiệu suất – cho một viên pin. Các nhà khoa học của Aionics, sử dụng cơ học lượng tử được tăng tốc bằng Trí tuệ Nhân tạo, có thể thực hiện các thí nghiệm trên một cơ sở dữ liệu hiện có chứa hàng tỷ phân tử đã được biết đến. Điều này cho phép họ xem xét 10,000 ứng viên mỗi giây, theo lời của Sendek. Mô hình Trí tuệ Nhân tạo đó học cách dự đoán kết quả của thí nghiệm tiếp theo và giúp chọn lựa ứng viên phân tử tiếp theo. Mỗi lần chạy, nó tạo ra thêm dữ liệu và trở nên tốt hơn trong việc giải quyết vấn đề.
Tiến bộ của Trí tuệ Nhân tạo
Aionics đã đi một bước xa hơn, trong một số trường hợp, bằng cách kết hợp Trí tuệ Nhân tạo sinh sáng vào quy trình. Thay vì dựa vào hàng tỷ phân tử đã biết đến, Aionics đã bắt đầu sử dụng mô hình Trí tuệ Nhân tạo sinh sáng được đào tạo trên dữ liệu vật liệu pin hiện có để tạo ra hoặc thiết kế các phân tử mới được đặc biệt hóa cho một ứng dụng cụ thể.
Công ty đang tăng tốc nỗ lực này bằng cách sử dụng phần mềm được phát triển trong chương trình Accelerated Computational Electrochemical Systems Discovery tại Đại học Carnegie Mellon. Venkat Viswanathan, người từng là giáo sư đại học tại CMU và đã dẫn dắt chương trình đó, hiện là người sáng lập và nhà khoa học trưởng tại Aionics.
Aionics cũng đã bắt đầu sử dụng các mô hình ngôn ngữ lớn được xây dựng trên GPT-4 của OpenAI để giúp các nhà khoa học của họ thu gọn hàng triệu công thức có thể có trước khi họ thậm chí bắt đầu chạy chúng qua cơ sở dữ liệu. Công cụ trò chuyện này, đã được đào tạo trên các sách giáo trình hóa học và các bài báo khoa học được lựa chọn bởi Aionics, không được sử dụng để khám phá thực sự, nhưng nó có thể được sử dụng bởi các nhà khoa học để loại bỏ các phân tử cụ thể mà không có ích trong một ứng dụng cụ thể, Sendek giải thích.
Khi được đào tạo bằng các giáo trình đó, mô hình ngôn ngữ lớn (LLM) cho phép nhà khoa học truy vấn mô hình. “Nếu bạn có thể trò chuyện với sách giáo trình của bạn, bạn sẽ hỏi gì?” Sendek nói. Nhưng ông nhanh chóng lưu ý rằng điều này không làm gì khác so với việc một người sắp xếp bài báo khoa học. “Điều này chỉ cung cấp một cách tương tác cấp tiến hơn,” ông nói thêm, và nhấn mạnh rằng mọi thứ có thể được kiểm chứng bằng cách trỏ lại nguồn dữ liệu được sử dụng để đào tạo chatbot.
“Tôi nghĩ điều tốt cho lĩnh vực của chúng ta là chúng ta không tìm kiếm các thông tin cụ thể, chúng ta đang tìm kiếm các nguyên tắc thiết kế,” ông nói khi ông giải thích tính năng chatbot.
Số phận gọi tên người chiến thắng
Khi hàng tỷ ứng viên đã được sàng lọc và thu gọn chỉ còn vài ứng viên – hoặc được thiết kế bằng mô hình Trí tuệ Nhân tạo – Aionics gửi mẫu cho khách hàng để xác nhận.
“Nếu chúng ta không thành công trong vòng đầu tiên, chúng ta sẽ tiến hành các vòng lặp và có thể tiến hành một số thử nghiệm lâm sàng để chứng minh nó cho đến khi chúng ta tìm ra người chiến thắng,” Sendek nói. “Và khi chúng ta tìm ra người chiến thắng, chúng ta làm việc cùng với các đối tác sản xuất của chúng ta để mở rộng quy trình sản xuất và đưa sản phẩm ra thị trường.”
Một cách thú vị, quy trình này đang được sử dụng trong một số lĩnh vực mới lạ như ngành xi măng. Chement, một công ty khởi nghiệp được thành lập bởi Viswanathan và đồng hợp tác với Aionics, đang nghiên cứu cách sử dụng điện năng tái tạo và nguyên liệu thô để thúc đẩy các phản ứng hóa học để sản xuất các sản phẩm không phát thải khí như xi măng.
