Die Entwicklung neuer Legierungen ist ein mehrdimensionaler Prozess, der relevante Informationen sammelt, fortschrittliche Berechnungsmethoden verwendet, experimentelle Validierungen durchführt und die Ergebnisse sorgfältig prüft. Dieser komplexe Workflow erfordert viel Zeit und wurde traditionell von menschlichen Fachleuten durchgeführt. Maschinelles Lernen bietet eine Möglichkeit, den Legierungsdesignprozess zu beschleunigen.
Eine einzigartige Strategie, die auf den Vorteilen mehrerer KI-Agenten basiert, die unabhängig voneinander in einer dynamischen Umgebung arbeiten, wurde entwickelt, um diese Einschränkungen zu überwinden. Eine Gruppe von Forschern des MIT schlägt AtomAgents vor, ein generatives KI-Framework, das die Gesetze der Physik berücksichtigt und eine Kombination von LLMs mit kooperierenden KI-Agenten nutzt.
AtomAgents kombiniert Datenverarbeitung, physikbasierte Simulationen, Wissensabfrage und umfassende Analyse über viele Datentypen hinweg, um schwierige Materialdesignprobleme erfolgreich zu bewältigen. Die Ergebnisse von AtomAgents zeigen die Fähigkeit, wesentliche Eigenschaften in verschiedenen Legierungen genau vorherzusagen, insbesondere die Bedeutung der Festkörperlösungslegierung für die Erstellung fortschrittlicher metallischer Legierungen.
Das AtomAgents-Framework reduziert die Notwendigkeit menschlicher Eingriffe, indem es komplexe Workflows autonom erstellt und verwaltet. Dies ermöglicht den Betrieb durch einfache texte Eingaben und erfordert weniger Aufsicht, wodurch auch Forschern ohne umfassende Kenntnisse im Bereich des Materialdesigns fortgeschrittene Simulationen durchführen können. Diese Plattform automatisiert und optimiert den Designprozess und eröffnet neue Möglichkeiten in verschiedenen Bereichen wie Umweltschutz, erneuerbare Energien und biologische Materialtechnik.
Die Arbeit an diesem Projekt erfolgt in Zusammenarbeit mit einer Forschergruppe und unter der Leitung von Tanya Malhotra, einer Studentin der University of Petroleum & Energy Studies, die ihr Studium im Bereich Computer Science Engineering mit Schwerpunkt Künstliche Intelligenz und maschinelles Lernen abschließt.