Para saintis USC Viterbi telah membuat kemajuan terobosan dengan Allegro-FM, model simulasi dipacu AI yang boleh meramalkan tingkah laku molekul berbilion atom, menawarkan penyelesaian yang menjanjikan untuk mencipta konkrit neutral karbon dan memerangi perubahan iklim.
Dalam era di mana perubahan iklim menimbulkan ancaman besar kepada planet kita, saintis di Sekolah Kejuruteraan USC Viterbi telah mendedahkan penyelesaian yang menjanjikan. Mereka telah membangunkan model kecerdasan buatan — Allegro-FM — yang boleh mensimulasikan tingkah laku berbilion atom secara serentak, yang berpotensi merevolusikan reka bentuk dan pengeluaran bahan seperti konkrit.
Realiti semasa pemanasan global adalah menakutkan, ditandai dengan kemarau tanpa henti, glasier cair dan ribut dan kebakaran hutan yang semakin teruk. Memacu krisis alam sekitar ini adalah pelepasan karbon dioksida yang berterusan.
Tetapi penemuan baru-baru ini daripada penyelidik USC menawarkan suar harapan.
Profesor USC Viterbi Aiichiro Nakano dan Ken-Ichi Nomura, memanfaatkan kerjasama yang telah lama terjalin selama lebih dua dekad, untuk menangani cabaran ini dan membangunkan Allegro-FM.
Model dipacu AI ini telah membuat penemuan teori yang ketara: kemungkinan menangkap semula karbon dioksida yang dipancarkan semasa pengeluaran konkrit dan menggabungkannya semula ke dalam konkrit itu sendiri.
"Anda hanya boleh meletakkan CO₂ di dalam konkrit, dan kemudian itu menjadikan konkrit neutral karbon," Nakano, seorang profesor sains komputer, fizik dan astronomi USC Viterbi, serta biologi kuantitatif dan pengiraan, berkata dalam siaran berita.
Pengeluaran konkrit adalah pencemar utama, menyumbang kira-kira 8% daripada pelepasan CO₂ global. Dengan mensimulasikan pelbagai kimia konkrit secara maya, Allegro-FM berpotensi mempercepatkan proses membangunkan konkrit yang bukan sahaja bertindak sebagai sinki karbon tetapi juga mempamerkan sifat mekanikal yang lebih baik.
Skala Allegro-FM adalah aspek penting dalam inovasinya.
Simulasi molekul tradisional dihadkan kepada beribu-ribu atau berjuta-juta atom. Sebaliknya, Allegro-FM telah menunjukkan kecekapan yang luar biasa, mensimulasikan lebih 4 bilion atom dengan kecekapan 97.5% pada superkomputer Aurora di Argonne National Laboratory.
Keupayaan ini kira-kira 1,000 kali lebih besar daripada kaedah konvensional.
"Konkrit adalah bahan yang sangat kompleks. Ia terdiri daripada banyak elemen dan fasa dan antara muka yang berbeza. Jadi, secara tradisinya, kami tidak mempunyai cara untuk mensimulasikan fenomena yang melibatkan bahan konkrit. Tetapi kini kami boleh menggunakan Allegro-FM ini untuk mensimulasikan sifat mekanikal [dan] sifat struktur," tambah Nomura, seorang profesor fizik dan astronomi USC.
Konkrit bukan sahaja membakar pelepasan karbon yang paling meluas tetapi juga tahan api, menjadikannya bahan binaan pilihan di kawasan yang terdedah kepada kebakaran seperti Los Angeles.
Model AI mencadangkan bahawa konkrit neutral karbon boleh menjadi alternatif yang berdaya maju dalam persekitaran sedemikian, menangani kedua-dua kebimbangan pelepasan dan meningkatkan umur panjang.
Konkrit moden mempunyai jangka hayat purata kira-kira 100 tahun, manakala konkrit Rom kuno telah bertahan selama beribu tahun. Nakano menjelaskan bahawa dengan memasukkan CO₂, "lapisan karbonat" yang terhasil boleh memanjangkan ketahanan bahan dengan ketara.
"Jika anda memasukkan CO₂, apa yang dipanggil 'lapisan karbonat,' ia menjadi lebih teguh," tambah Nakano.
Di sebalik pencapaian ini terletak kuasa AI.
Secara tradisinya, meniru tingkah laku atom memerlukan formula matematik yang luas dan kompleks berasaskan mekanik kuantum.
Walau bagaimanapun, proses dipacu AI telah memperkemas ini dengan model pembelajaran mesin, menjadikan penyelidikan lebih pantas dan lebih cekap dari segi teknologi.
"Sekarang, kerana penemuan AI pembelajaran mesin ini, daripada memperoleh semua mekanik kuantum ini dari awal, penyelidik mengambil pendekatan untuk menghasilkan set latihan dan kemudian membiarkan model pembelajaran mesin berjalan," tambah Nomura.
Potensi Allegro-FM melangkaui konkrit, dengan aplikasi dalam pelbagai bidang dengan meliputi 89 unsur kimia. AI boleh mensimulasikan fungsi interaksi antara atom dengan lebih tepat dan cekap daripada kaedah sebelumnya, yang memerlukan persamaan berasingan untuk unsur yang berbeza.
Kerja perintis Nakano dan Nomura, diterbitkan dalam The Journal of Physical Chemistry Letters, menandakan hanya permulaan pendekatan revolusioner ini. Mereka merancang untuk terus memperhalusi simulasi mereka untuk meneroka geometri dan permukaan yang lebih kompleks.
Pengarang bersama kajian itu termasuk Priya Vashishta, seorang profesor kejuruteraan kimia dan sains bahan USC Viterbi, dan Rajiv Kalia, seorang profesor fizik dan astronomi USC.