Hangi sayı ölçüldü?

Discovered Materials, Lightspeed India Partners öncülüğünde 9 milyon dolar tohum yatırımı aldığını duyurdu ve çalışma biçimini de açıkladı: Anthropic modelleri kendi kurdukları düzenekte malzeme adayları üretiyor, ardından ekibin kendi eğittiği temel fizik modelleri benzetim çalıştırıp adayların gerçekten ilgi çekici olup olmadığını sınıyor. Kurucu Advaith Sridhar'ın TechCrunch'a verdiği karşılaştırma şu: ortağı Akash Ramdas doktorası sırasında günde yaklaşık 20 deneme yapabiliyordu, bulutta aralıksız çalışan eylemciler ise günde binlerce deneme yapıyor.[1]

Bu sayı üretim hızını ölçüyor ve doğrulanmış malzeme sayısı hakkında bilgi vermiyor. Aday üretmek ile bir adayın gerçekten kullanılabilir olduğunu göstermek arasındaki fark, hattın ikinci yarısında duruyor: elemeyi yapan şey şirketin kendi eğittiği fizik modelleri. Bu modellerin ne kadar iyi elediği duyuruda yok. Yayımlananlar da doğrulama yerine geçmiyor: yüzlerce malzeme örneği ve öncü modellerin bu işte nasıl sonuç verdiğini izlemek için tasarlanan Material Discovery Bench. Şirket ayrıca büyük yonga üreticilerinin kullandığı malzemelerin özelliklerine denk düşen birkaç malzeme bulduğunu söylüyor, ama ayrıntı paylaşmıyor; dolayısıyla bu ifadenin dışarıdan sınanacak bir yanı bulunmuyor.[1]

Darboğaz nerede duruyor?

İlginç olan, bu sınırı şirketin kendi yatırımcısının çizmesi. Turu yöneten Lightspeed ortağı Hemant Mohapatra, yapay zekâ destekli malzeme biliminde darboğazı adayları doğru elemekte ve sentezlemekte görüyor; daha çok aday bulmayı tıkanma noktası saymıyor. Aynı kişi, bir malzemenin gerçek dünyada işe yaraması için bütün özelliklerin aynı anda tutması gerektiğini de söylüyor. Mühendislik tarafındaki ödünleşme bunu somutlaştırıyor: ısı üretimini azaltan bir malzeme, üretilebilir olmayabiliyor ya da elektriksel özellikleri bozuluyor. Yani hızlanan bölüm ile belirleyici bölüm aynı yerde durmuyor.[1]

Karşılaştırılacak taban da elimizde. TechCrunch'ın hatırlattığı gibi, yapay zekâyla bulunmuş hiçbir ilaç ya da malzeme henüz ticari etki yaratmış değil; en ileri örnek, üretken yapay zekâyla bulunup Faz II klinik denemesine giren ilk ilaç olan Insilico Medicine'in Renterosib'i. Malzeme tarafında MatNex'in nadir toprak elementi içermeyen kalıcı mıknatısları ve Panasonic ile Citrine Informatics'in bulduğu yarı iletken malzemeler umut verdi, ama ticari ölçekte kullanıma geçmedi. Bu tablo, hesaplamalı aramanın değerinden çok hangi aşamanın hâlâ kanıtlanmadığı konusunda bilgi veriyor.[1]

Neyin açıklanması durumu değiştirir?

Bir başarım kümesini, ürününü o kümeyle ölçülen şirketin yazması alanda yaygın bir uygulama; ortak bir karşılaştırma zemininin hiç olmaması da başlı başına bir sorun olurdu. Ama Material Discovery Bench'in neyi ölçtüğü sorusu duruyor: puan, aday üretme becerisini mi yoksa üretilebilirlik ile ısıl ve elektriksel özelliklerin birlikte tutmasını mı izliyor? İkincisini izliyorsa Mohapatra'nın işaret ettiği darboğazla aynı şeyi ölçüyor demektir; ilkini izliyorsa hattın zaten hızlı olan yarısını ölçüyor. Bu ayrımı yapacak bilgi duyuruda yok ve makul bir olasılık daha duruyor: kümenin yöntem belgesi ayrıca yayımlanabilir ve soruyu kapatabilir.[1]

Bunu izlemenin somut bir yolu var. Sridhar, önümüzdeki yıl içinde patente değer yeni malzemeler bulmayı umduğunu söylüyor ve işin büyük bölümünün ıslak laboratuvara girip gerçekten bir şeyler üretmeyi gerektireceğini, bu sürecin hızlandırılamayacağını kabul ediyor. O halde ölçüt hazır: 2027 Ağustos'una kadar sentezlenmiş bir malzemeye dayanan bir patent başvurusu ya da yayımlanmış bir ölçüm gelirse, hesaplamalı süzgecin işe yaradığına dair ilk dışarıdan sınanabilir kanıt da gelmiş olur. Yalnızca aday sayısı ve başarım puanı büyümeye devam ederse, elimizdeki tek bilgi arama hızının arttığı olur.[1]