ИИ-советник поможет учёным и машинам совместно создавать новые материалы

Исследователи из Аргоннской национальной лаборатории и Притцкеровской школы молекулярной инженерии Чикагского университета представили модель «ИИ-советника». Она позволяет учёным и искусственному интеллекту совместно управлять работой «самоуправляемых лабораторий» — систем, где ИИ направляет процесс открытия новых материалов.

Джи Сюй и Генри Чан у самоуправляемой лаборатории Polybot. Автор: Yukun Wu

Модель, вдохновлённая программным обеспечением для торговли акциями, использует способность ИИ к анализу данных, но оставляет окончательные решения за исследователями, которые привыкли работать с ограниченными наборами данных.

«Советник будет проводить анализ данных в реальном времени и следить за прогрессом автономного исследования. Если он заметит снижение эффективности, то предложит учёным изменить стратегию или уточнить область поиска», — пояснил доцент Джи Сюй.

Соавтор работы, учёный Генри Чан, отметил, что цель — не отдать управление ИИ или человеку, а позволить каждому сосредоточиться на своих сильных сторонах.

«Мы используем кооперативный подход, где человек также играет роль в процессе. Мы хотим облегчить сотрудничество между людьми и ИИ для совместного открытия», — сказал Чан.

Команда применила модель советника для работы с электронным материалом — смешанным ионно-электронным проводящим полимером (MIECP). Созданный с её помощью материал показал на 150% более высокую производительность по сравнению с материалами, полученными по предыдущим передовым методикам.

Кроме того, система помогла выявить два ключевых фактора для повышения ёмкости: большее расстояние между кристаллическими слоями и более высокая удельная площадь поверхности.

По словам соавтора работы, доцента Сихуна Вана, эта модель помогает одновременно достичь двух целей: улучшить свойства материала и глубже понять, как различные параметры влияют на его производительность.

В будущем команда планирует улучшить двустороннюю коммуникацию между человеком и ИИ, чтобы система могла учиться на действиях исследователей и адаптировать свою логику.

Больше информации: Yahao Dai et al, Adaptive AI decision interface for autonomous electronic material discovery, Nature Chemical Engineering (2025). DOI: 10.1038/s44286-025-00318-3