Ontdekte Google-AI 'miljoenen nieuwe materialen'? Wetenschappers zien ze niet

GNoME zou 2,2 miljoen nieuwe kristallen hebben gevonden, 'waaronder 380.000 stabiele materialen die toekomstige technologieën kunnen aandrijven'. Google claimde dat de vondst gelijkstond aan '800 jaar aan kennis', een 'enorme uitbreiding van de stabiele materialen die de mensheid kent'.

Grote woorden, die op de weegschaal zijn gelegd door twee groepen wetenschappers, meldt 404 Media. De wetenschappers concluderen dat Google zijn vondst op zijn minst overdrijft. De wetenschappers vinden ook dat AI grote potentie heeft om nieuwe typen materialen te ontdekken, maar zij zien de enorme doorbraak van Google nog niet.

Niks bijzonders gevonden

Wetenschappers van de University of California, Santa Barbara hebben een willekeurig voorbeeld onderzocht van de 380.000 nieuwe structuren die door de Google-AI ontdekt is. Het materiaal is onderzocht op geloofwaardigheid, nuttigheid en nieuwheid. "We moeten nog opvallende nieuwe verbindingen vinden, hoewel we verwachten dat er enkele moeten zijn tussen de 384.870 samenstellingen", aldus de wetenschappers.

"De meeste materialen zijn wel echt, maar niet erg nieuw omdat het simpele afgeleiden zijn van dingen die we al kennen", aldus onderzoeker Anthony Cheetham. De wetenschappers zien wel het nut van AI, en noemen de onderliggende aanpak van Google gedegen. AI kan dus wel degelijk helpen om nieuwe materialen te ontdekken, alleen mag de lat voor wat 'nieuw' is wel wat hoger, vinden de wetenschappers.

Google DeepMind stelt in een reactie: "We staan voor alle beweringen in de GNoME-paper van Google DeepMind. "Ons GNoME-onderzoek vertegenwoordigt ordes van grootte meer kandidaat-materialen dan voorheen bekend waren bij de wetenschap, en honderden van de materialen die we hebben voorspeld, zijn al onafhankelijk gesynthetiseerd door wetenschappers over de hele wereld", aldus Google.

'Hoe navigeer je miljoenen resultaten?'

Andere wetenschappers twijfelen daar echter sterk aan. "In de DeepMind-paper zijn er veel voorbeelden van voorspelde materialen die duidelijk onzinnig zijn", aldus Robert Palgrave van het University College London. "Voor mij lijkt het alsof de basiskwaliteitscontrole niet is gebeurd - dat de machine learning dergelijke verbindingen als voorspellingen uitvoert, is alarmerend en laat voor mij zien dat er iets mis is gegaan", aldus Palgrave.

De orde van grote is volgens wetenschappers echter niet per se handig. "Er is enig voordeel aan het kennen van miljoenen materialen (indien nauwkeurig), maar hoe navigeer je door deze ruimte op zoek naar nuttige materialen om te maken?", zei Palgrave. "Het is beter om een idee te hebben van een paar nieuwe verbindingen met uitzonderlijk nuttige eigenschappen dan een miljoen waar je geen idee hebt welke goed zijn."

Meer AI en mis niets met onze Bright-app.