Các nhà nghiên cứu tại MIT vừa công bố một công cụ AI mang tính cách mạng có tên SCIGEN, hứa hẹn sẽ đẩy nhanh quá trình khám phá các vật liệu mới với những đặc tính đột phá, đặc biệt là trong lĩnh vực điện toán lượng tử và công nghệ sạch.
Ảnh minh họa: Trí tuệ nhân tạo đang thay đổi cách chúng ta khám phá và tạo ra vật liệu mới. (Nguồn: MIT News)
Trong nhiều thập kỷ, việc tìm kiếm các vật liệu mới với những đặc tính kỳ lạ, chẳng hạn như siêu dẫn ở nhiệt độ phòng hay trạng thái từ tính độc đáo, giống như mò kim đáy bể. Các nhà khoa học phải dựa vào trực giác, thử nghiệm và một chút may mắn. Quá trình này vô cùng tốn kém và chậm chạp. Ví dụ, sau cả một thập kỷ nghiên cứu sâu về một loại vật liệu có thể cách mạng hóa điện toán lượng tử, được gọi là chất lỏng spin lượng tử, chỉ có khoảng một chục ứng cử viên vật liệu được xác định. Đây chính là “nút thắt cổ chai” cản trở các đột phá công nghệ.
SCIGEN: “Luật chơi” mới cho AI sáng tạo
Để giải quyết thách thức này, nhóm nghiên cứu tại Viện Công nghệ Massachusetts (MIT) đã phát triển SCIGEN (Structural Constraint Integration in Generative Models – Tích hợp ràng buộc cấu trúc trong mô hình sinh). Về cơ bản, SCIGEN hoạt động như một lớp trung gian, cho phép các nhà khoa học áp đặt các “luật chơi” hay quy tắc thiết kế hình học cụ thể lên các mô hình AI tạo sinh (generative AI) khi chúng “sáng tạo” ra các cấu trúc vật liệu mới.
“Các mô hình từ những công ty lớn thường tạo ra vật liệu được tối ưu hóa cho sự ổn định,” Mingda Li, Giáo sư Phát triển Sự nghiệp Lớp 1947 của MIT cho biết. “Quan điểm của chúng tôi là đó không phải là cách khoa học vật liệu thường tiến bộ. Chúng ta không cần 10 triệu vật liệu mới để thay đổi thế giới. Chúng ta chỉ cần một vật liệu đột phá.”
SCIGEN đảm bảo rằng các cấu trúc do AI tạo ra không chỉ mới lạ mà còn phải tuân thủ các quy tắc vật lý và hình học mong muốn, giúp tăng đáng kể khả năng tìm thấy các vật liệu có đặc tính ngoại lai hữu ích.
Sức mạnh của SCIGEN trong thực tế
Để thử nghiệm, các nhà nghiên cứu đã áp dụng SCIGEN vào DiffCSP, một mô hình AI phổ biến trong lĩnh vực tạo vật liệu. Họ giao cho hệ thống nhiệm vụ tạo ra các vật liệu có cấu trúc mạng tinh thể Archimedean – một dạng sắp xếp hình học 2D phức tạp của các đa giác. Các cấu trúc này có tiềm năng lớn trong việc tạo ra các hiện tượng lượng tử độc đáo và các ứng dụng như thu giữ carbon.
Kết quả thật đáng kinh ngạc:
•Hơn 10 triệu ứng cử viên vật liệu đã được tạo ra.
•1 triệu trong số đó vượt qua vòng sàng lọc về tính ổn định.
•Từ một mẫu nhỏ 26,000 vật liệu được phân tích chi tiết bằng siêu máy tính, các nhà nghiên cứu phát hiện 41% có đặc tính từ tính.
Quan trọng hơn cả, nhóm nghiên cứu đã tổng hợp thành công hai hợp chất hoàn toàn mới chưa từng được biết đến trước đây là TiPdBi và TiPbSb. Các thí nghiệm thực tế đã xác nhận rằng dự đoán của mô hình AI về đặc tính của chúng phần lớn là chính xác.
Ảnh: Mô hình cấu trúc mạng tinh thể phức tạp mà AI SCIGEN có thể tạo ra. (Nguồn: MIT News)
Tương lai của ngành khoa học vật liệu
Thành công của SCIGEN không chỉ là một bước tiến trong lĩnh vực AI mà còn mở ra một hướng đi hoàn toàn mới cho ngành khoa học vật liệu. Bằng cách kết hợp sức mạnh sáng tạo của AI tạo sinh với các ràng buộc khoa học chặt chẽ, các nhà nghiên cứu giờ đây có thể khám phá không gian hóa học tinh thể rộng lớn một cách hiệu quả hơn bao giờ hết.
Công cụ này hứa hẹn sẽ phá vỡ “nút thắt cổ chai” trong việc tìm kiếm vật liệu cho điện toán lượng tử, pin thế hệ mới, vật liệu siêu bền, và các công nghệ thu giữ carbon. SCIGEN là một minh chứng rõ ràng cho thấy AI không chỉ là công cụ để tối ưu hóa những gì đã biết, mà còn là một đối tác sáng tạo mạnh mẽ giúp con người thực hiện những khám phá khoa học chưa từng có.
Tài liệu tham khảo:
1.Winn, Z. (2025, September 22). New tool makes generative AI models more likely to create breakthrough materials. MIT News. https://news.mit.edu/2025/new-tool-makes-generative-ai-models-likely-create-breakthrough-materials-0922
2.Okabe, R., et al. (2024). Structural Constraint Integration in Generative Model for Discovery of Quantum Material Candidates. GitHub Repository. https://github.com/RyotaroOKabe/SCIGEN
3.Okabe, R., et al. (2024). Structural Constraint Integration in Generative Model for the Discovery of Quantum Material Candidates. arXiv. https://arxiv.org/abs/2407.04557