材料人工智慧平台的發展

 

刊登日期:2024/12/5
  • 字級

詹皓宇、劉子瑜 / 工研院材化所
 
材料資訊學(MI)是結合材料科學與資訊學的跨領域科學,旨在透過數據分析與人工智慧技術來加速材料的研發過程。隨著MI技術的進步,材料科學的研究從早期的試誤法逐漸演進到以數據驅動為基礎的材料4.0階段,並預示著材料5.0時代將引入生成式預訓練模型(如:GPT技術)。本文探討了國際上多個材料AI平台的發展,如Materials Cloud、Materials Project和AlphaMat等,並介紹了工研院與日立合作導入的APMI平台及其應用,以推動台灣材料與化工領域的發展。
 
【內文精選】
材料資訊學
近年來材料資訊學(MI)逐漸受到重視,一部分是因為材料基因組計畫(Material Genome Initiative; MGI)的推動,另一部分則是因為數據驅動(Data-driven)研發模式於其他領域應用的成功所致。MI是一個結合材料科學與資訊學的跨領域科學,其中材料科學研究的發展進程可以分成材料1.0~4.0共四個階段。在材料1.0階段是以經驗科學(Empirical Science)進行材料研究,透過試誤法(Trial and Error)累積經驗,再藉由經驗和直覺選擇材料配方或製程參數;在材料2.0階段是以基於模型的理論科學(Model-based Theoretical Science)進行材料研究,藉由物理和化學理論來解釋或預測材料特性,且已具備定量分析與系統性實驗設計的概念,透過系統性實驗,驗證理論與實際是否相同;在材料3.0階段之材料研究則是將計算科學(Computational Science)導入,主要透過量子化學和物理學原理計算來設計或分析材料,如:密度泛函理論(Density Functional Theory; DFT)、分子動力學(Molecular Dynamics)等;在材料4.0階段是以數據驅動科學作為設計或分析材料的方法,透過大數據(Big Data)、AI等技術預測材料特性或推測材料配方。MI正是受到材料科學發展的影響,逐漸導入以數據驅動的研發模式(材料4.0);而隨著「GPT (Generative Pre-trained Transformer) AI」的出現,Wang Z. et al.提出材料5.0會將「MatGPT (Material Science+GPT)」的概念導入材料研究中,即以描述符(Descriptors)、生成模型(Generative Models)、預訓練模型(Pretraining Models)等作為技術主軸進行發展,以協助材料科學之發展。
 
國際上材料AI平台的發展
國際上已經有許多AI雲端平台,如Google開發的GCP、Amazon開發的AWS、 Microsoft開發的Microsoft Azure,而專屬於材料領域的AI平台較不廣為人知,因此本章節將介紹國際上的材料AI平台,包括:Materials Cloud、Materials Project、AlphaMat、MLMD。Materials Cloud具完整的材料開發架構,包含Learn、Work、Discover、Explore、Archive,且主要是以全始計算(Ab Initio Computation)來進行材料模擬。Materials Project提供具有價值的無機材料資料庫,同時也提供ML以加速材料開發,目前已經應用於電池、太陽能光電、熱電材料。
 
工研院與日立(Hitachi)的合作,透過工研院對產業問題的深入理解及其領域專業知識,結合過去在各領域導入MI/AI技術的豐富經驗,並運用日立建立的MI運算平台與其國際MI平台導入經驗,將日立開發的材料資訊平台APMI (Analytics Platform for Materials Informatics)應用於混凝土與碳化矽材料的研發。
 
工研院與日立合作之材料AI平台
因應MI的發展趨勢,工研院於2020年建立專屬於材料與化工領域的AI平台—MACSiMUM (https://www.macsimum.org),而此平台建立之宗旨為透過整合常用的AI演算法和簡單易用的圖形化操作介面,提供材化領域研發人員友好的、無需編程的工具,以協助更高效地進行研發工作。MACSiMUM平台的功能是根據材料資料分析與預測流程建置,如圖九所示:資料透過材料研究中所進行的實驗進行收集;再將收集的資料儲存至電子資料庫進行資料管理;資料分析部分除了統計分析外,也包含描述符轉換(有機分子指紋轉換)、數據轉換(如標準化(Standardization)、歸一化(Normalization)、離散化(Discretization)等)、特徵選擇、降維等;而資料預測部分為AI模型建立,提供常用之傳統ML或深度學習(Deep Learning; DL)演算法建立模型,且提供權重分析使模型具可解釋性。此外,MACSiMUM平台也提供材料AI應用案例,讓使用者瞭解如何將AI技術導入材料與化工領域中,且目前已導入LTCC陶瓷材料、陶瓷製程、墨水製程、塗佈製程、低碳混凝土材料、碳化矽材料中。
 
圖九、MACSiMUM平台功能
圖九、MACSiMUM平台功能
 
基於上述MACSiMUM平台功能,引入由日立開發的材料資訊平台—APMI。APMI結合了MI與AI技術,能夠協助進行新材料設計、製程參數優化及配方組合最佳化。除了具備功能豐富的APMI平台外,日立也已在國際上成功將MI技術應用於多個實際案例(如圖十)。因此工研院希望在過去幾年將AI導入國內材料與化工的實際場域經驗基礎上,與日立合作,進一步加速國內材料與化工領域的發展 ---以上為部分節錄資料,完整內容請見下方附檔。
 
圖十、日立MI應用案例
圖十、日立MI應用案例
 
★本文節錄自《工業材料雜誌》456期,更多資料請見下方附檔。

分享