L'IA s'attaque aux équations notoirement complexes, permettant des progrès plus rapides dans la conception de médicaments et de matériaux
Il peut prendre des années aux humains pour résoudre des problèmes scientifiques complexes. Avec l'IA, cela peut prendre une fraction du temps.
Le Dr Shuiwang Ji, professeur au Département d'informatique et d'ingénierie de la Texas A&M University et un expert de premier plan dans le domaine émergent de l'IA pour la science et l'ingénierie – est communément appelé AI4Science – est à l'avant-garde de l'IA pour accélérer la résolution de problèmes scientifiques.
Ji, avec d'autres chercheurs du Texas A&M, a récemment publié un article dans Fondations et tendances de l'apprentissage automatique décrivant les utilisations et les avantages de l'AI4Science. Cet article collaboratif comprend plus de 60 auteurs de 15 universités et contient plus de 500 pages d'informations sur l'utilisation de l'IA pour la science.
Le document met en évidence l'importance d'utiliser l'IA pour résoudre des équations complexes, qui peuvent être appliquées à de nombreux domaines de la science et de l'ingénierie différents. Par exemple, la célèbre équation de Schrodinger peut être résolue avec l'IA, améliorant l'efficacité et la précision dans de nombreux domaines de recherche, notamment la découverte de médicaments, la conception des matériaux, les matériaux de la batterie et la conception du catalyseur.
« Le but des sciences naturelles est de comprendre le monde à différentes échelles temporelles et physiques, conduisant à trois systèmes principaux: quantum, atomique et continuum », a déclaré Ji, qui est également boursier à l'impact présidentiel et aux bords chanceliers. « Les principes fondamentaux de ces systèmes sont dirigés par des équations différentielles, mais la complexité de ces équations augmente considérablement à mesure que les systèmes se développent. »
Ces équations différentielles, telles que celles de Schrodinger, peuvent être résolues analytiquement à petite échelle, testant la dynamique de deux particules, comme les électrons. À mesure que le nombre de particules testés augmente, la complexité des équations augmente de façon exponentielle, ce qui les rend impossibles à résoudre pour tout système de tailles pratiquement utiles.
En mettant en œuvre l'IA pour résoudre ces équations, les systèmes à grande échelle peuvent être analysés efficacement dans une fraction du temps qu'il faudrait avec les méthodes traditionnelles.
« Nous utilisons l'IA pour accélérer notre compréhension de la science et de la conception de meilleurs systèmes d'ingénierie », a déclaré Ji. JI est également directeur de l'initiative de recherche sur la recherche en matière d'intelligence artificielle pour la science et l'ingénierie (ALING) de Texas A&M. Avec plus de 85 membres du corps professoral de Texas A&M, l'initiative Raisie fait la promotion de la recherche collaborative dans l'IA.
« J'ai une curiosité pour la science fondamentale, car elle anime de nombreux domaines de la recherche scientifique et d'ingénierie grâce aux principes sous-jacents et aux équations gouvernantes », a déclaré Ji.
