Ситуация осложняется тем, что каждого из 17 редкоземельных элементов в природе немного. При этом на то, чтобы перебрать и проверить все варианты их соединений «руками» в условиях химических лабораторий, могут уйти десятилетия. Между тем такая необходимость, учитывая бурное развитие технологий, все время растет.
На помощь приходит искусственный интеллект (ИИ). Материаловеды из Университета Айовы научили нейросеть моделировать, как будет в разных условиях работать то или иное соединение редкоземельных металлов.
Научная статья опубликована в журнале Acta Materialia, кратко о ней рассказывает Science Alert.
«Машинное обучение здесь действительно важно. Количество потенциальных комбинаций может достигать тысяч или даже миллионов. Люди не в состоянии исследовать все возможные варианты, используя теорию или эксперименты», — говорит специалист по материалам Прашант Сингх из Лаборатории Эймса в Университете штата Айова.
Модель машинного обучения была построена с использованием базы данных по редкоземельным элементам и некоторых идей из теории плотности. Способ построения модели позволяет быстро протестировать сотни комбинаций, а затем оценить стабильность каждой из них. Другими словами, ИИ способен судить, будет ли комбинация редкоземельных элементов жизнеспособной, то есть не развалится ли такой материал.
Затем эти расчеты пройдут несколько проверок, чтобы убедиться, что они соответствуют реальности. Полученные экспериментальные данные после могут быть возвращены в систему машинного обучения, что еще больше повысит ее точность и снизит вероятность ошибок.
Создано самое подробное генеалогическое древо человечества — видео
Исследователи из Института больших данных Оксфордского университета (Великобритания) создали карту всех генетических взаимоотношений между людьми. Эта единая генеалогия прослеживает родословную всех нас.
Исследование опубликовано в журнале Science, кратко о результатах сообщили в институте.
За последние два десятилетия были получены геномные данные для сотен тысяч людей, в том числе доисторических. Это позволяет проследить происхождение генетического разнообразия человека, чтобы создать полную карту того, как люди во всем мире связаны друг с другом.
До сих пор основной проблемой на пути к этому было объединение последовательностей генома из различных баз данных и разработка алгоритмов для данных такого размера. Однако новый метод может легко комбинировать данные из нескольких источников и масштабироваться для анализа миллионов последовательностей генома.
Доктор Ян Вонг, генетик-эволюционист, один из основных авторов, объясняет: «Мы построили огромное генеалогическое древо, генеалогию для всего человечества, которая максимально точно моделирует историю, породившую все вариации современного генома человека. Эта генеалогия позволяет нам увидеть, как генетическая последовательность любого человека соотносится с другой во всех точках генома».
Поскольку части генома наследуются только от одного родителя, матери или отца, родословная каждой точки генома ветвится как дерево. Объединив подобные «деревья», можно определить территорию, где появилась та или иная мутация, и понять, какие изменения в геноме ей предшествовали.
Ведущий автор доктор Энтони Уайлдер Уонс сказал: «По сути, мы реконструируем геномы наших предков. Затем мы можем оценить, когда и где жили эти предки. Сила нашего подхода в том, что он может включать как современные, так и древние образцы ДНК».
После добавления данных о местоположении этих геномов авторы использовали нейросеть, чтобы оценить, где жили общие предки человечества. Результаты успешно воспроизвели ключевые события в истории эволюции человека, предсказанные наукой, в том числе миграцию из Африки.
Исследовательская группа планирует сделать генеалогическую карту еще более полной, продолжая включать генетические данные по мере их появления. Набор данных может легко вместить миллионы дополнительных геномов. Доктор Вонг говорит: «Это исследование закладывает основу для секвенирования ДНК следующего поколения. В конечном итоге мы сможем создать единую унифицированную карту, объясняющую происхождение всех генетических вариаций человека, которые мы наблюдаем сегодня».
Доктор Уонс добавляет: «Хотя в центре внимания этого исследования находятся люди, этот метод работает для большинства живых существ, от орангутангов до бактерий. Это может быть особенно полезно в медицинской генетике, чтобы отделить истинные связи между генетикой и болезнями».
Искусственный интеллект создал 40 000 новых вариантов смертельного химического оружия
В последнем эксперименте исследователи дали ИИ противоположную задачу: искать соединения, которые смогут убивать людей. Нейросети потребовалось всего шесть часов, чтобы подобрать 40 000 вариантов.
Научная статья вышла в Nature Machine Intelligence, кратко о ней рассказывает Daily Mail.
Среди соединений, изобретенных ИИ, были похожие на чрезвычайно токсичные нервно-паралитические вещества, которые могут вызывать судороги даже в крошечных дозах. Исследователи отметили, что одним из самых пугающих аспектов открытия было то, насколько легко оказалось использовать ИИ для разработки химического оружия.
Идея «передвинуть переключатель» для нейросети, созданной для спасения людей, чтобы сделать ее «плохой», возникла на конференции «Конвергенция», организованной Швейцарским федеральным институтом ядерной, биологической и химической защиты. Цель — изучить опасные последствия, к которым может даже случайно привести использование новых технологий.
Изначально описанный ИИ работает над созданием лекарств. Его основная задача — определить, насколько токсичным может быть соединение.
«Если выяснится, что у вас есть, скажем, чудесное лекарство, которое фантастически снижает кровяное давление, но поражает один из важных сердечных каналов, это недопустимо», — сказал Фабио Урбина, ведущий автор исследования.
«Мы можем предложить этой модели машинного обучения новые молекулы, соединения, которые, возможно, никогда раньше не тестировались, и она сообщит нам о возможных последствиях. Этот способ помогает очень быстро проверить множество вариантов и исключить те, которые могут быть токсичными», — объясняет ученый.
Для нового исследования задачу перевернули с ног на голову. Большая часть токсичных соединений, созданных ИИ, напоминала боевые отравляющие химические вещества, несмотря на то что модель никогда раньше не видела ничего подобного.
«Информация, которой мы пользовались, доступна бесплатно. Вы можете скачать набор данных о токсичности откуда угодно. Если у вас есть кто-то, кто умеет программировать на Python и обладает некоторыми способностями к машинному обучению, то, возможно, за два дня работы он может построить что-то вроде нашей генеративной модели. Именно поэтому мы долго думали, публиковать ли эту статью», — говорит Фабио Урбина.
