Modelele de inteligență artificială folosite pentru a alege cei mai buni catalizatori sunt fiabile doar în măsura în care datele experimentale pe care se antrenează sunt consecvente. Aceasta este concluzia centrală a unui studiu coordonat de SLAC National Accelerator Laboratory, în care patru laboratoare din Statele Unite au testat același catalizator experimental și au descoperit că mici diferențe de procedură pot altera semnificativ rezultatele. Cercetarea, publicată în revista Nature Catalysis, atrage atenția că datele reproductibile sunt o condiție esențială înainte de a construi modele AI pentru investigații științifice.
- Patru laboratoare din SUA au testat același catalizator pe bază de rodiu, dar au obținut cantități diferite de monoxid de carbon și metan.
- Una dintre cele mai mari surse de variație a fost modul în care amestecul era agitat sau amestecat.
- Studiul recomandă standardizarea designului reactoarelor, a protocoalelor și a condițiilor experimentale.
În centrul cercetării stă o problemă practică: pentru a transforma dioxidul de carbon abundent în combustibili valoroși, oamenii de știință au nevoie de o metodă rapidă de a determina ce catalizatori funcționează cel mai bine pe termen lung. Un prim pas important în acest proces este producerea de monoxid de carbon, iar echipa a folosit un catalizator experimental pe bază de rodiu pentru a testa acest mecanism.
Cum ar putea AI-ul să accelereze descoperirea catalizatorilor
Un model AI bine antrenat permite cercetătorilor să introducă condiții precum temperatura, timpul de reacție și formularea catalizatorului, apoi să ruleze o simulare și să obțină o predicție a performanței. Aceste predicții pot fi ulterior confirmate prin câteva experimente bine concepute, ceea ce reduce timpul și costurile descoperirii și implementării la scară largă.
Astfel de modele pot explora și condiții greu de reprodus în laborator. Majoritatea studiilor de cataliză din laborator acoperă perioade scurte, de câteva zile, în timp ce dezactivarea catalizatorilor se produce în luni sau ani, din cauza acumulării de impurități și a expunerii repetate la temperaturi ridicate. Un model capabil să anticipeze acest comportament pe termen lung ar avea o valoare practică considerabilă.
Însă modelele AI au nevoie de cantități mari de date de înaltă calitate pentru antrenare — iar tocmai aici a apărut dificultatea.
Patru laboratoare, patru seturi de rezultate diferite
Pentru a genera datele necesare, cele patru laboratoare au realizat o serie de experimente de tip „round-robin”, în care mai multe echipe efectuează aceleași teste, pe baza unor protocoale stabilite în prealabil și folosind același catalizator, pentru a evalua reproductibilitatea.
Spre surprinderea cercetătorilor, obținerea acelorași rezultate în cele patru laboratoare care lucrau independent s-a dovedit mai grea decât se anticipa. Fiecare echipă a produs cantități diferite de monoxid de carbon și de metan, un produs secundar nedorit. „A fost oarecum revelator”, a declarat Adam Hoffman, cercetător la SLAC și autor principal al studiului. „Această experiență scoate în evidență provocările practice ale includerii datelor din lumea reală în modelele de învățare automată.”
Un computer nu poate învăța corect din patru seturi de date care conduc la rezultate diferite. Echipele și-au reevaluat metodele și au identificat mai multe surse de discrepanță, una dintre cele mai importante fiind intensitatea cu care amestecul era agitat sau amestecat.
Standardizarea a apropiat rezultatele
După introducerea unor măsuri de standardizare între cele patru laboratoare — pe lângă SLAC, au participat echipe de la Pennsylvania State University, Stanford University și University of California, Santa Barbara — rezultatele au început să devină mai consecvente. Echipa a formulat mai multe recomandări pentru întărirea reproductibilității, printre care uniformizarea designului reactoarelor, a protocoalelor de operare și a condițiilor experimentale.
„Ne dăm seama că trebuie să fim precauți cu privire la ce informații introducem într-un model de învățare automată și cum consecvența datelor experimentale poate influența fiabilitatea rezultatelor”, a explicat Selin Bac, cercetătoare postdoctorală la University of California, Santa Barbara, și prima autoare a studiului.
Pentru cercetătorii și inginerii care proiectează modele AI, concluzia este că variații aparent minore în modul de desfășurare a experimentelor pot afecta predicțiile pe termen lung. „Vedem această lucrare ca pe un ghid pentru comunitate despre cum să gândim proiectarea experimentelor destinate includerii în modelele de învățare automată”, a spus Hoffman.
Cât de mult credeți că ar trebui să ne bazăm pe modelele AI în cercetarea științifică atâta timp cât datele de bază pot fi atât de greu de reprodus? Spuneți-ne părerea în comentarii.
