Tudósok egy olyan algoritmust fejlesztettek ki, ami több millió tanulmány elolvasása után megjósolja a jövőbeli felfedezéseket

A gépi tanulási algoritmusokat arra használják, hogy a mesterséges intelligenciát számos csodálatos dolog elvégzésére képezzék ki, kezdve...

A gépi tanulási algoritmusokat arra használják, hogy a mesterséges intelligenciát számos csodálatos dolog elvégzésére képezzék ki, kezdve a sakk játéktól az ügyfelek preferenciáinak előrejelzéséig. Most pedig kutatók egy csoportja gépi tanulást használt a rejtett tudományos ismeretek feltárására.

Az Egyesült Államok Energiaügyi Minisztériumának Lawrence Berkeley Nemzeti Laboratóriumának (Berkeley Lab) kutatói egy Word2vec nevű gépi tanulási algoritmust hoztak létre, amely több millió tudományos tanulmányt képes beolvasni, majd ezeket az ismereteket felhasználja a jövőbeli tudományos felfedezések előrejelzésére. A tanulmány kimutatta, hogy az anyagtudomány terén előzetes kiképzés nélküli algoritmus sikeresen képes felfedni az új tudományos ismereteket emberi útmutatás nélkül. (1)

"Anélkül, hogy bármit is elmondtunk volna az anyagtudományról, elsajátította a fogalmakat, például a periódusos rendszert és a fémek kristályszerkezetét," - mondta Anubhav Jain, a Berkeley Lab Energiatároló és Megosztott Erőforrások Osztályának tudósa.

"Ez a technikában rejlő lehetőségekre utal. De valószínűleg a legérdekesebb dolog, ami kiderült, hogy ezt az algoritmust felhasználhatjuk az anyagkutatás hiányosságainak kiküszöbölésére - olyan dolgokra, amelyeket az embereknek tanulmányozniuk kellene, de eddig még nem vizsgáltak."

A vezető szerző, Vahe Tshitoyan, a Berkeley Lab egykori posztdoktori munkatársa szerint, aki most a Google-nál dolgozik, a Word2vec létrehozását a korábban közzétett tanulmányok túl nagy mennyiségének megértése motiválta.

"Minden kutatási területen 100 évnyi irodalom található, és minden héten több tucat további tanulmány jelenik meg," - mondta Tshitoyan. "Egy kutató ennek csak a töredékéhez fér hozzá."

A kihívással szembesülve a csoport úgy döntött, hogy gépi tanulási algoritmust készít, amely felhasználhatja ezt a kollektív tudást az emberi kutatók beavatkozása nélkül.

Ennek részeként a csapat 3,3 millió kivonatot gyűjtött össze több mint 1000 folyóiratból, amelyek 1922 és 2018 között jelentek meg. Ezt felhasználva a Word2vec mintegy 500000 szót vett ezekből a kivonatokból, majd 200 dimenziós vektorrá alakította. Ezzel az algoritmus képes lett megtanulni, hogy a szavak hogyan kapcsolódnak egymáshoz.

Ezt követően a Word2vec kiképzést kapott anyagtudományi szövegekből. Itt megtanulhatta a tudományos kifejezések és fogalmak jelentését a kivonatokban szereplő szavak elhelyezkedése alapján, és hogy milyen gyakran fordultak elő más szavakhoz képest. A Word2vec megtanulta még a periódusos rendszer elemeinek kapcsolatát is, egyszerűen kivetítve az egyes kémiai elemek vektorát két dimenzióba.

A tudományos felfedezések előrejelzése évekkel előre

Miután a Word2vec-et a kivonatok segítségével kiképezték, a csapat tesztelte, hogy meg tudja-e mondani a várható áttöréseket az új termoelektromos anyagok fejlesztésében.

Ezek olyan anyagok, amelyek hatékonyan képesek a hőt villamos energiává alakítani. Amikor a csapat megvizsgálta az algoritmus által megjósolt legfontosabb hőelektromos anyagjelölteket, azt találták, hogy mindegyik számított teljesítménytényezője magasabb volt, mint az ismert hőelektromos anyagoké.

A Word2vec további tesztelése érdekében a csapat az algoritmussal "a múltban" végzett kísérleteket - azaz az algoritmusnak csak egy bizonyos időpontig adtak tudományos kivonatokat, például a 2000. évig. Ebből a szempontból a Word2vec nem csak pontosan "megjósolta" az azóta történt áttöréseket a hőelektronikában, hanem valójában olyanokat is talált, amelyeket még fel kell fedezni.

Ezen eredmények alapján a csapat azon dolgozik, hogy megadják az 50 legnépszerűbb termoelektromos anyagot, amelyet az algoritmus megjósolt, hogy a tudósok megkezdhessék munkájukat ezek fejlesztésén.

Ezen felül kiadják a szó beágyazásokat, hogy mások saját alkalmazásokat készítsenek más anyagokra. Ezen felül a csoport okosabb, hatékonyabb keresőmotoron dolgozik az algoritmus alapján, amely hasznosabb módszert kínál a tudósok számára a tanulmányok kivonatainak kereséséhez. (2)

(1) - https://www.nature.com/articles/s41586-019-1335-8
(2) - https://newscenter.lbl.gov/2019/07/03/machine-learn