La IA podría acelerar la formación de leyes materiales

May 22, 2024

Durante cientos de años, los científicos e ingenieros se han basado en fórmulas analíticas para codificar importantes leyes materiales. Por ejemplo, la ley de Hooke define las propiedades elásticas de un material y la ley de Ohm calcula la relación entre voltaje, corriente y resistencia en un circuito eléctrico.

Sin embargo, hoy en día las leyes materiales son mucho más complicadas. Aquí hay un ejemplo de la investigación del profesor asistente Pu Zhang de la Universidad de Binghamton: La conductividad eléctrica de un material conductor blando, un componente importante en la electrónica blanda, generalmente se representa como una forma de función tensor en un espacio de 12 dimensiones.

Reconocer esos patrones y descomponerlos en fórmulas matemáticas fáciles de usar puede llevar años (a menudo décadas) de experimentación y derivación, incluso para los científicos e ingenieros más capacitados.

Zhang, miembro de la facultad del Departamento de Ingeniería Mecánica de la Facultad de Ingeniería y Ciencias Aplicadas Thomas J. Watson, quiere acelerar el proceso de descubrimiento de leyes materiales con inteligencia artificial, y una reciente subvención de 294.992 dólares de la Fundación Nacional de Ciencias financiará su investigación.

Gracias al lanzamiento de ChatGPT el otoño pasado, tanto las promesas como los peligros de los sistemas de IA pasaron a formar parte de la cultura dominante. Sin embargo, la IA no es nada nuevo: los investigadores han estado refinando y mejorando la tecnología desde la década de 1950.

En los últimos años, Zhang ha estudiado las propiedades conductoras de materiales metálicos líquidos. En 2022, recibió un premio NSF CAREER Award por explorar sus ideas sobre redes de metales líquidos en componentes electrónicos blandos que pueden doblarse o estirarse sin romperse.

Colaborará con el profesor asistente Lin Cheng en el Instituto Politécnico de Worcester en Massachusetts para desarrollar una nueva técnica de inteligencia artificial para generar leyes analíticas de materiales.

"Si tenemos datos brutos sobre cómo cambian las propiedades físicas de un material durante la deformación, nuestro objetivo es encontrar las fórmulas matemáticas específicas de las leyes de los materiales", dijo Zhang. “Solía ​​tomar años desarrollar una nueva ley. Ahora, con estos algoritmos de IA, tal vez en un día puedas descubrir mucho. Esto revolucionará todo el campo”.

Para encontrar un nuevo camino, Zhang y Cheng recurrirán a la IA simbólica, que interpreta y genera ecuaciones en lugar de palabras como lo hace ChatGPT.

"La gente ha desarrollado complementos que puedes agregar a ChatGPT para interpretar ecuaciones matemáticas simples, principalmente en los niveles K a 12", dijo Zhang. "Para la investigación universitaria, lo que necesitamos son matemáticas muy avanzadas a nivel de posgrado, y esto todavía es algo que ChatGPT (ni siquiera los complementos) no puede hacer".

Los investigadores también esperan arrojar más luz sobre la forma opaca en que suele funcionar la IA, lo que dificulta el ajuste e interpretación de los resultados.

"Un enfoque generalizado en los últimos años ha sido la inteligencia artificial y el modelado basado en datos", dijo Zhang. “Entrenan una enorme red neuronal que es como una caja negra: ingresas datos, obtienes datos de salida, eso es todo. Nadie sabe qué está pasando realmente en la caja negra. Es muy difícil de usar porque descargas un código y no una fórmula matemática que puedas usar directamente”.

Otro problema recurrente con los algoritmos de IA: a veces ofrecen respuestas plausibles que son completamente erróneas, un fenómeno que los programadores informáticos llaman "alucinaciones". Por ejemplo, podría resumir incorrectamente un libro que un autor nunca escribió o citar precedentes legales que en realidad nunca sucedieron.

Si bien es evidente que cualquier fórmula deberá comprobarse mediante experimentación, Zhang espera que se puedan evitar las “alucinaciones” y otros resultados preocupantes.

"Una ventaja de nuestra técnica de IA simbólica es que tenemos una base matemática firme, que sumará automáticamente todas las limitaciones físicas con las leyes materiales", dijo. "Al menos no estará tan mal y ayudará al algoritmo a encontrar las funciones correctas".

Zhang y Cheng presentaron su propuesta a la NSF antes de que la organización sin fines de lucro OpenAI lanzara ChatGPT, pero ahora es un tema candente para investigadores, estudiantes y la industria tecnológica. Aunque están desarrollando su software para resolver problemas de ciencia de materiales, los principios podrían aplicarse a muchos esfuerzos diferentes que buscan fórmulas analíticas a partir de datos sin procesar.

"Es un gran momento para la IA, no sólo para la informática sino para todos los demás campos científicos", afirmó Zhang. “Antes de ChatGPT, la comunidad de investigación todavía era conservadora con respecto a la IA; mucha gente todavía estaba en contra. La gente diría que es una caja negra o que se ajusta a una curva para predecir un resultado deseado. Después de ChatGPT, mucha gente cambió de opinión. Comenzaron a reconocer el potencial de la IA y a adoptarlo”.

Al final del proyecto de tres años, los investigadores planean albergar un sitio web donde los usuarios puedan cargar datos y dejar que el algoritmo desarrolle ecuaciones relevantes con fines de enseñanza e investigación. A partir de ahí, podrían expandirse mediante más financiación para impulsar las capacidades de hardware y software o licenciar la tecnología a una empresa de software.

Zhang admite que no está seguro de cómo la IA cambiará su investigación, el mundo académico o la sociedad en general, pero espera que muchas cosas cambien en poco tiempo.

"Esta área se está desarrollando muy, muy rápidamente", afirmó. “Dentro de cinco a diez años veremos una revolución. Nunca antes había visto una situación así. En los últimos 20 años, hemos visto muchos avances en nanotecnología, energía e impresión 3D, pero esta ola de IA se siente diferente”.