Seit mehr als einem Jahrzehnt nutzt MIT-Assoziierter Professor Rafael Gómez-Bombarelli künstliche Intelligenz, um neue Materialien zu entwickeln. Mit der Weiterentwicklung der Technologie sind auch seine Ambitionen gewachsen.
Nun glaubt der neu berufene Professor für Materialwissenschaften und -technik, dass KI bereit ist, die Wissenschaft auf eine Weise zu verändern, die noch nie zuvor möglich conflict. Seine Arbeit am MIT und darüber hinaus widmet sich der Beschleunigung dieser Zukunft.
„Wir sind an einem zweiten Wendepunkt“ Gómez-Bombarelli sagt. „Das erste conflict etwa 2015 mit der ersten Welle des Repräsentationslernens, der generativen KI und Hochdurchsatzdaten in einigen Bereichen der Wissenschaft. Das sind einige der Techniken, die ich zuerst in mein Labor am MIT gebracht habe. Ich denke, jetzt sind wir an einem zweiten Wendepunkt, an dem wir Sprache vermischen und mehrere Modalitäten zu allgemeiner wissenschaftlicher Intelligenz zusammenführen. Wir werden alle Modellklassen und Skalierungsgesetze haben, die wir brauchen, um über Sprache, Vernunft über materielle Strukturen und Vernunft über Syntheserezepte nachzudenken.“
Gómez Bombarellis Forschung kombiniert physikbasierte Simulationen mit Ansätzen wie maschinellem Lernen und generativer KI, um neue Materialien mit vielversprechenden realen Anwendungen zu entdecken. Seine Arbeit hat zu neuen Materialien für Batterien, Katalysatoren, Kunststoffe und organische Leuchtdioden (OLEDs) geführt. Er conflict außerdem Mitbegründer mehrerer Unternehmen und Mitglied wissenschaftlicher Beiräte für Begin-ups, die KI in der Arzneimittelforschung, Robotik und mehr einsetzen. Sein neuestes Unternehmen, Lila Sciences, arbeitet am Aufbau einer wissenschaftlichen Superintelligenzplattform für die Biowissenschafts-, Chemie- und Materialwissenschaftsindustrie.
All diese Arbeiten sollen sicherstellen, dass die wissenschaftliche Forschung in Zukunft reibungsloser und produktiver verläuft als die heutige Forschung.
„KI für die Wissenschaft ist eine der aufregendsten und ehrgeizigsten Anwendungen von KI“, sagt Gómez-Bombarelli. „Andere Anwendungen für KI haben mehr Nachteile und Unklarheiten. Bei KI für die Wissenschaft geht es darum, rechtzeitig eine bessere Zukunft voranzutreiben.“
Von Experimenten bis hin zu Simulationen
Gómez-Bombarelli wuchs in Spanien auf und interessierte sich schon früh für die Naturwissenschaften. Im Jahr 2001 gewann er einen Chemieolympiade-Wettbewerb und startete damit eine akademische Laufbahn in Chemie, die er als Scholar an der Universität seiner Heimatstadt, der Universität von Salamanca, studierte. Gómez-Bombarelli blieb für seine Doktorarbeit, in der er die Funktion DNA-schädigender Chemikalien untersuchte.
„Meine Doktorarbeit begann experimentell, und dann wurde ich ungefähr zur Hälfte vom Virus der Simulation und der Informatik gepackt“, sagt er. „Ich fing an, die gleichen chemischen Reaktionen zu simulieren, die ich im Labor gemessen hatte. Mir gefällt die Artwork und Weise, wie das Programmieren das Gehirn organisiert; es fühlte sich wie eine natürliche Artwork an, das eigene Denken zu organisieren. Das Programmieren ist auch viel weniger durch das eingeschränkt, was man mit seinen Händen oder mit wissenschaftlichen Instrumenten machen kann.“
Anschließend ging Gómez-Bombarelli für eine Postdoktorandenstelle nach Schottland, wo er Quanteneffekte in der Biologie untersuchte. Durch diese Arbeit knüpfte er Kontakt zu Alán Aspuru-Guzik, einem Chemieprofessor an der Harvard College, dem er 2014 für seinen nächsten Postdoc beitrat.
„Ich conflict 2016 einer der ersten Menschen, der generative KI für die Chemie einsetzte, und 2015 gehörte ich zum ersten Workforce, das neuronale Netze nutzte, um Moleküle zu verstehen“, sagt Gómez-Bombarelli. „Es waren die Anfänge des Deep Studying in der Wissenschaft.“
Gómez-Bombarelli begann außerdem damit, manuelle Teile molekularer Simulationen zu eliminieren, um mehr Experimente mit hohem Durchsatz durchzuführen. Am Ende führten er und seine Mitarbeiter Hunderttausende materialübergreifende Berechnungen durch und entdeckten Hunderte vielversprechender Materialien zum Testen.
Nach zwei Jahren im Labor gründeten Gómez-Bombarelli und Aspuru-Guzik ein Allzweck-Unternehmen zur Materialberechnung, das sich schließlich auf die Herstellung organischer Leuchtdioden konzentrierte. Gómez-Bombarelli ist hauptberuflich in das Unternehmen eingestiegen und nennt es das Schwierigste, was er jemals in seiner Karriere getan hat.
„Es conflict großartig, etwas greifbar zu machen“, sagt er. „Außerdem wollte ich kein Professor werden, nachdem ich gesehen hatte, wie Aspuru-Guzik ein Labor leitete. Mein Vater conflict Professor für Linguistik, und ich dachte, es wäre ein entspannter Job. Dann sah ich Aspuru-Guzik mit einer 40-köpfigen Gruppe und er conflict 120 Tage im Jahr unterwegs. Das conflict verrückt. Ich hätte nicht gedacht, dass ich diese Artwork von Energie und Kreativität in mir hätte.“
Im Jahr 2018 schlug Aspuru-Guzik Gómez-Bombarelli vor, sich für eine neue Stelle in der Abteilung für Materialwissenschaft und Werkstofftechnik des MIT zu bewerben. Aber Gómez-Bombarelli hatte Angst vor einer Anstellung als Dozent und ließ die Frist verstreichen. Aspuru-Guzik konfrontierte ihn in seinem Büro, schlug mit den Händen auf den Tisch und sagte zu ihm: „Das musst du beantragen.“ Es genügte, Gómez-Bombarelli dazu zu bringen, einen formellen Antrag zu verfassen.
Glücklicherweise hatte Gómez-Bombarelli bei seinem Startup viel Zeit damit verbracht, darüber nachzudenken, wie man aus der rechnergestützten Materialentdeckung einen Mehrwert schaffen könnte. Während des Vorstellungsgesprächs sei er von der Energie und dem kollaborativen Geist am MIT angezogen worden, sagt er. Er begann auch die Forschungsmöglichkeiten zu schätzen.
„Alles, was ich als Postdoc und im Unternehmen getan habe, conflict ein Teil dessen, was ich am MIT tun konnte“, sagt er. „Ich habe Produkte hergestellt, und das kann ich immer noch tun. Plötzlich conflict mein Arbeitsuniversum eine Teilmenge dieses neuen Universums von Dingen, die ich erforschen und tun konnte.“
Es ist neun Jahre her, seit Gómez Bombarelli dem MIT beigetreten ist. Heute konzentriert sich sein Labor darauf, wie sich Zusammensetzung, Struktur und Reaktivität von Atomen auf die Materialleistung auswirken. Er hat auch Hochdurchsatzsimulationen verwendet, um neue Materialien zu erstellen, und an der Entwicklung von Werkzeugen für die Verbindung von Deep Studying mit physikbasierter Modellierung mitgewirkt.
„Durch physikalische Simulationen werden Daten und KI-Algorithmen umso besser, je mehr Daten man ihnen zur Verfügung stellt“, sagt Gómez Bombarelli. „Es gibt alle möglichen positiven Zyklen zwischen KI und Simulationen.“
Die von ihm aufgebaute Forschungsgruppe arbeitet ausschließlich rechnerisch – sie führt keine physikalischen Experimente durch.
„Es ist ein Segen, weil wir eine große Bandbreite haben und viele Dinge gleichzeitig erledigen können“, sagt er. „Wir lieben es, mit Experimentatoren zusammenzuarbeiten und versuchen, gute Accomplice mit ihnen zu sein. Wir lieben es auch, Rechenwerkzeuge zu entwickeln, die Experimentatoren dabei helfen, die Ideen der KI zu selektieren.“
Gómez-Bombarelli konzentriert sich auch immer noch auf die realen Anwendungen der von ihm erfundenen Materialien. Sein Labor arbeitet eng mit Unternehmen und Organisationen wie dem Industrial Liaison Program des MIT zusammen, um die materiellen Bedürfnisse des privaten Sektors und die praktischen Hürden der kommerziellen Entwicklung zu verstehen.
Beschleunigung der Wissenschaft
Während die Begeisterung für künstliche Intelligenz explosionsartig zugenommen hat, hat Gómez-Bombarelli miterlebt, wie das Fachgebiet reifer geworden ist. Unternehmen wie Meta, Microsoft und DeepMind von Google führen mittlerweile regelmäßig physikbasierte Simulationen durch, die an das erinnern, woran er 2016 arbeitete. Im November startete das US-Energieministerium die Genesis-Mission, um wissenschaftliche Entdeckungen, nationale Sicherheit und Energiedominanz mithilfe von KI zu beschleunigen.
„KI für Simulationen hat sich von etwas, das vielleicht funktionieren könnte, zu einer wissenschaftlichen Konsensansicht entwickelt“, sagt Gómez-Bombarelli. „Wir befinden uns an einem Wendepunkt. Menschen denken in natürlicher Sprache, wir schreiben Arbeiten in natürlicher Sprache, und es stellt sich heraus, dass diese großen Sprachmodelle, die natürliche Sprache beherrschen, die Möglichkeit eröffnet haben, die Wissenschaft zu beschleunigen. Wir haben gesehen, dass die Skalierung für Simulationen funktioniert. Wir haben gesehen, dass die Skalierung für Sprache funktioniert. Jetzt werden wir sehen, wie die Skalierung für die Wissenschaft funktioniert.“
Als er zum ersten Mal ans MIT kam, Gómez-Bombarelli sagt, er sei überwältigt davon gewesen, wie konkurrenzlos die Dinge zwischen den Forschern seien. Er versucht, das gleiche Positiv-Summen-Denken in seine Forschungsgruppe zu übertragen, die aus etwa 25 Doktoranden und Postdoktoranden besteht.
„Wir haben uns von Natur aus zu einer wirklich vielfältigen Gruppe mit unterschiedlichen Mentalitäten entwickelt“, sagt Gomez-Bombarelli. „Jeder hat seine eigenen Karriereziele sowie Stärken und Schwächen. Herauszufinden, wie man Menschen dabei helfen kann, die beste Model ihrer selbst zu werden, macht Spaß. Jetzt bin ich derjenige, der darauf besteht, dass sich die Leute nach Ablauf der Frist auf Fakultätsstellen bewerben. Ich glaube, ich habe diesen Staffelstab weitergegeben.“