Die Herstellung besserer Batterien, schnellerer Elektronik und wirksamerer Arzneimittel hängt von der Entdeckung neuer Materialien und der Überprüfung ihrer Qualität ab. Bei ersterem hilft künstliche Intelligenz mit Instruments, die Materialkataloge durchforsten, um vielversprechende Kandidaten schnell zu markieren.
Sobald ein Materials jedoch hergestellt ist, muss es zur Überprüfung seiner Qualität immer noch mit speziellen Instrumenten gescannt werden, um seine Leistung zu validieren – ein teurer und zeitaufwändiger Schritt, der die Entwicklung und Verbreitung neuer Technologien verzögern kann.
Jetzt könnte ein neues KI-Software, das von MIT-Ingenieuren entwickelt wurde, dabei helfen, den Engpass bei der Qualitätskontrolle zu beseitigen und eine schnellere und kostengünstigere Possibility für bestimmte materialorientierte Industrien anzubieten.
In einem Studie erscheint heute im Tagebuch Gegenstandpräsentieren die Forscher „SpectroGen“, ein generatives KI-Software, das die Scanfähigkeiten steigert, indem es als virtuelles Spektrometer dient. Das Software erfasst „Spektren“ oder Messungen eines Supplies in einer Scanmodalität, beispielsweise Infrarot, und generiert, wie die Spektren dieses Supplies aussehen würden, wenn es in einer völlig anderen Modalität, beispielsweise Röntgen, gescannt würde. Die von der KI generierten Spektralergebnisse stimmen mit einer Genauigkeit von 99 Prozent mit den Ergebnissen überein, die beim physischen Scannen des Supplies mit dem neuen Instrument erzielt wurden.
Bestimmte spektroskopische Modalitäten offenbaren bestimmte Eigenschaften eines Supplies: Infrarot zeigt die Molekülgruppen eines Supplies, während Röntgenbeugung die Kristallstrukturen des Supplies sichtbar macht und Raman-Streuung die molekularen Schwingungen eines Supplies beleuchtet. Jede dieser Eigenschaften ist für die Messung der Qualität eines Supplies von entscheidender Bedeutung und erfordert in der Regel langwierige Arbeitsabläufe mit mehreren teuren und unterschiedlichen Instrumenten zur Messung.
Mit SpectroGen gehen die Forscher davon aus, dass eine Vielzahl von Messungen mit einem einzigen und kostengünstigeren physikalischen Oszilloskop durchgeführt werden können. Beispielsweise könnte eine Fertigungslinie die Qualitätskontrolle von Materialien durchführen, indem sie diese mit einer einzigen Infrarotkamera scannt. Diese Infrarotspektren könnten dann in SpectroGen eingespeist werden, um automatisch die Röntgenspektren des Supplies zu erzeugen, ohne dass die Fabrik ein separates, oft teureres Röntgenscanlabor unterbringen und betreiben müsste.
Das neue KI-Software generiert Spektren in weniger als einer Minute, tausendmal schneller im Vergleich zu herkömmlichen Ansätzen, deren Messung und Validierung mehrere Stunden bis Tage dauern kann.
„Wir glauben, dass man die physikalischen Messungen nicht in allen benötigten Modalitäten durchführen muss, sondern vielleicht nur in einer einzigen, einfachen und kostengünstigen Modalität“, sagt Studienleiterin Loza Tadesse, Assistenzprofessorin für Maschinenbau am MIT. „Dann können Sie SpectroGen nutzen, um den Relaxation zu erzeugen. Und das könnte die Produktivität, Effizienz und Qualität der Fertigung verbessern.“
Die Studie wurde von Tadesse geleitet, wobei der ehemalige MIT-Postdoc Yanmin Zhu als Erstautor fungierte.
Jenseits von Anleihen
Tadesses interdisziplinäre Gruppe am MIT leistet Pionierarbeit bei Technologien, die die Gesundheit von Mensch und Planet fördern, und entwickelt Innovationen für Anwendungen, die von der schnellen Krankheitsdiagnose bis hin zur nachhaltigen Landwirtschaft reichen.
„Die Diagnose von Krankheiten und die Materialanalyse im Allgemeinen umfassen normalerweise das Scannen von Proben und das Sammeln von Spektren in verschiedenen Modalitäten mit verschiedenen Instrumenten, die sperrig und teuer sind und die man möglicherweise nicht alle in einem Labor findet“, sagt Tadesse. „Additionally haben wir darüber nachgedacht, wie wir all diese Geräte miniaturisieren und die experimentelle Pipeline rationalisieren können.“
Zhu bemerkte den zunehmenden Einsatz generativer KI-Instruments zur Entdeckung neuer Materialien und Medikamentenkandidaten und fragte sich, ob KI auch zur Generierung von Spektraldaten genutzt werden könnte. Mit anderen Worten: Könnte KI als virtuelles Spektrometer fungieren?
Ein Spektroskop untersucht die Eigenschaften eines Supplies, indem es Licht einer bestimmten Wellenlänge in das Materials sendet. Dieses Licht bringt molekulare Bindungen im Materials dazu, so zu vibrieren, dass das Licht zurück zum Zielfernrohr gestreut wird, wo das Licht als Wellenmuster oder Spektren aufgezeichnet wird, die dann als Signatur der Materialstruktur gelesen werden können.
Damit KI Spektraldaten generieren kann, müsste beim herkömmlichen Ansatz ein Algorithmus trainiert werden, um Verbindungen zwischen physikalischen Atomen und Merkmalen in einem Materials sowie die von ihnen erzeugten Spektren zu erkennen. Angesichts der Komplexität molekularer Strukturen in nur einem Materials kann ein solcher Ansatz laut Tadesse schnell undurchführbar werden.
„Das ist unmöglich, auch nur für ein einziges Materials“, sagt sie. „Additionally, dachten wir, gibt es eine andere Möglichkeit, Spektren zu interpretieren?“
Mit Mathematik fand das Staff eine Antwort. Sie erkannten, dass ein Spektralmuster, additionally eine Folge von Wellenformen, mathematisch dargestellt werden kann. Beispielsweise wird ein Spektrum, das eine Reihe von Glockenkurven enthält, als „Gaußsche“ Verteilung bezeichnet, die einem bestimmten mathematischen Ausdruck zugeordnet ist, im Vergleich zu einer Reihe schmalerer Wellen, die als „Lorentzsche“ Verteilung bekannt ist und durch einen separaten, unterschiedlichen Algorithmus beschrieben wird. Und wie sich herausstellt, enthalten Infrarotspektren für die meisten Materialien charakteristischerweise mehr Lorentzsche Wellenformen, während Raman-Spektren eher Gaußsche Wellenformen aufweisen und Röntgenspektren eine Mischung aus beiden sind.
Tadesse und Zhu verarbeiteten diese mathematische Interpretation der Spektraldaten in einem Algorithmus, den sie dann in ein generatives KI-Modell einbauten.
„Es handelt sich um eine generative KI, die sich mit der Physik auskennt und versteht, was Spektren sind“, sagt Tadesse. „Und die wichtigste Neuerung ist, dass wir Spektren nicht so interpretiert haben, wie sie aus Chemikalien und Bindungen entstehen, sondern dass es sich tatsächlich um Mathematik handelt – Kurven und Diagramme, die ein KI-Software verstehen und interpretieren kann.“
Daten-Copilot
Das Staff demonstrierte sein SpectroGen-KI-Software anhand eines großen, öffentlich zugänglichen Datensatzes von über 6.000 Mineralproben. Jede Probe enthält Informationen zu den Eigenschaften des Minerals, beispielsweise seiner Elementzusammensetzung und Kristallstruktur. Viele Proben im Datensatz enthalten auch Spektraldaten in verschiedenen Modalitäten, wie etwa Röntgen, Raman und Infrarot. Von diesen Proben speiste das Staff mehrere Hundert in SpectroGen ein. Dabei wurde das KI-Software, auch neuronales Netzwerk genannt, darauf trainiert, Korrelationen zwischen den verschiedenen Spektralmodalitäten eines Minerals zu lernen. Dieses Coaching ermöglichte es SpectroGen, Spektren eines Supplies in einer Modalität, beispielsweise im Infrarotbereich, aufzunehmen und zu erzeugen, wie Spektren in einer völlig anderen Modalität, beispielsweise Röntgen, aussehen sollten.
Nachdem sie das KI-Software trainiert hatten, fütterten die Forscher SpectroGen-Spektren von einem Mineral im Datensatz, das nicht im Trainingsprozess enthalten conflict. Sie baten das Software, auf der Grundlage dieser „neuen“ Spektren Spektren in einer anderen Modalität zu generieren. Sie fanden heraus, dass die von der KI erzeugten Spektren sehr intestine mit den echten Spektren des Minerals übereinstimmten, die ursprünglich von einem physikalischen Instrument aufgezeichnet wurden. Die Forscher führten ähnliche Assessments mit einer Reihe anderer Mineralien durch und stellten fest, dass das KI-Software schnell Spektren mit einer Korrelation von 99 Prozent generierte.
„Wir können Spektraldaten in das Netzwerk einspeisen und in weniger als einer Minute eine völlig andere Artwork von Spektraldaten mit sehr hoher Genauigkeit erhalten“, sagt Zhu.
Das Staff sagt, dass SpectroGen Spektren für jede Artwork von Mineral erzeugen kann. In einer Produktionsumgebung könnten beispielsweise mineralische Materialien, die zur Herstellung von Halbleitern und Batterietechnologien verwendet werden, zunächst schnell mit einem Infrarotlaser gescannt werden. Die Spektren dieses Infrarotscans könnten in SpectroGen eingespeist werden, das dann Röntgenspektren erzeugt, die Bediener oder eine Multiagenten-KI-Plattform überprüfen können, um die Qualität des Supplies zu beurteilen.
„Ich stelle mir das so vor, als hätte man einen Agenten oder Co-Piloten, der Forscher, Techniker, Pipelines und die Industrie unterstützt“, sagt Tadesse. „Wir planen, dies an die Bedürfnisse verschiedener Branchen anzupassen.“
Das Staff erforscht Möglichkeiten, das KI-Software für die Krankheitsdiagnose und die landwirtschaftliche Überwachung im Rahmen eines bevorstehenden, von Google finanzierten Projekts anzupassen. Tadesse bringt die Technologie auch durch ein neues Startup auf den Markt und plant, SpectroGen für ein breites Spektrum von Branchen verfügbar zu machen, von Pharmazeutika über Halbleiter bis hin zur Verteidigung.