Taş Devri’nden dijital çağa kadar, malzemeler, tüm dönemlerde medeniyetimizin temeli olmuştur. Günümüzde yeni malzemelerin bulunması, enerji, tıp ve teknoloji alanlarında ilerlemeleri beraberinde getiriyor. Bu, sonsuz olasılıklarla dolu bir gelecek yaratırken, hâlâ üstesinden gelinmesi gereken zorluklar da mevcuttur. İnsan eliyle yapılan yeni malzeme keşifleri, yavaş, maliyetli ve beklenmedik sonuçlar doğurmakla kalmamış, sınırlı bir kimyasal alanla sınırlı kalmıştır.
Son 30 yılda elektrolit malzemeler bilimcileri, 1.000’den az farklı molekül üzerinde çalıştı ve en son lityum iyon pilleri için sadece 100’den az molekül kullanıldı. Ancak, tüm kimyasal tasarım alanında keşfedilmemiş elektrolit malzemelerin sayısı, Moleküler Evren olarak adlandırılan devasa bir alanın parçasıdır ve bu, birbirine yüksek düzeyde bağlı olan elementlerin kombinatoryal gücüyle astronomik bir sayıya ulaşmaktadır. Tahmin edilen sayı, ağır atom sayıları ve element çeşitliliği gibi kısıtlamalara bağlı olarak 100 milyar ile bir trilyon arasında değişmekte ve gözlemlenebilir evrendeki yıldızların sayısıyla karşılaştırılmaktadır.
Böylesine devasa bir molekül yelpazesini keşfetmek, birkaç yıl önce düşünülmesi bile zorken, günümüzde hızlı gelişen yapay zeka teknikleri, güçlü GPU’lar ve CUDA tabanlı yazılımlarla bilim insanları, Moleküler Evren’i araştırarak daha yüksek enerji yoğunluğu, güvenlik ve maliyet açısından üstün batarya kimyalarını mümkün kılacak molekülleri hassas bir şekilde belirleyebiliyorlar.
Moleküler Evren’in Haritasını Çizmek
Batarya inovasyonuna odaklanan SES AI şirketi, NVIDIA donanım ve yazılımlarını kullanarak Moleküler Evren‘in bir “haritasını” oluşturuyor. Bu “harita”, moleküler yapıların ve özelliklerin kapsamlı bir veritabanı olarak, keşfettikleri yeni batarya kimyalarını kolayca bulmalarına yardımcı olacak.
NVIDIA ALCHEMI sayesinde, toplamda 121 milyon molekülün temel fizikokimyasal özelliklerini hızlı bir şekilde hesaplamak mümkün hale geliyor. Bu, moleküllerin en yüksek işgal edilme orbitallerinin enerji seviyeleri (HOMO)/en düşük boş moleküler orbitalleri (LUMO), maksimum ve minimum elektrostatik potansiyelleri gibi çeşitli özellikleri içeriyor. SES, Moleküler Evren’in haritasını çizerken, NVIDIA’nın NeMo Framework‘ü ve NVIDIA DGX Cloud‘u kullanarak bu süreci on yıllardan aylara indirmeyi başarıyor.
İnteraktif Harita
Büyük bir veritabanı, kendi başına yararlı olsa da, milyonlarca satırlık molekül verisi, evreni etkili bir şekilde keşfetme yolunu aydınlatmamaktadır. Hiçbir batarya şirketinin, SES dahil, yüz milyonlarca molekülü manuel ve kapsamlı bir şekilde araştıracak kaynakları yoktur. Bunun için, moleküllerin birbirleriyle nasıl ilişkilendiğini anlamanın bir yolu gerekiyordu. Mevcut yöntemler, moleküllerin sayısal olarak kodlanıp, birbirlerine göre konumlandırılmasını sağlayan moleküler parmak izleri sunuyordu; ancak, bu verilerin işlenmesi konvansiyonel CPU tabanlı uygulamalar için fazlasıyla zordu.
Örneğin, bu veritabanının bir kesimine (14 milyon molekül) UMAP uygulamak, CPU üzerinde her bir çalıştırma için 4 saatten az bir süre gerektiriyor. Durumu daha da zorlaştıran, UMAP’ın optimal sonuçlar için sıklıkla parametre ayarı gerektirmesiydi; bu durum, her veri setinin 100 saatten fazla hesaplama süresi gerektirdiği anlamına gelebiliyordu. Hızla büyüyen bir veritabanında, her güncelleme için gerekli olan bu hesaplamaların yapılması imkansız hale gelmişti.
Neyse ki, NVIDIA cuML kütüphanesi, UMAP gibi CUDA tabanlı GPU hızlandırmalı algoritmalar sunarak, her bir çalıştırma süresini saatlerden dakikalara indirdi. Bu hız avantajı sayesinde SES, 14 milyon molekül için UMAP’ı yalnızca bir günde uygulayarak optimize etti. Bu çabanın sonuçları, Şekil 2‘de gösterilmiştir.
cuML’nin sağladığı hız sayesinde, SES, önemli bir elektrolit tuz bileşeni olan anyonik türlerin taramasını da hızla genişletti. Benzer şekilde, cuML’nin GPU hızlandırılmış UMAP uygulamasını kullanarak, anion evreninin yapısal olarak hassas bir haritasını üretti.
Tüm bu süreçlerde, SES ayrıca, karmaşık veri setleri için oldukça uygun olan HDBSCAN isimli bir kümeleme yöntemini kullanarak moleküllerin “ana galaxyalarını” otomatik olarak etiketleme imkanı buldu. Bu, moleküler arama çabalarının otomasyonunu büyük ölçüde kolaylaştırıyor.
SES AI’nin CEO’su Qichao Hu, “Moleküler Evren çabamızın amacı, küçük moleküllerin özelliklerini haritalayarak daha iyi enerji depolama cihazları geliştirmek. Bu iş birliği ile, en son hesaplama donanımı ve yazılımları sayesinde, bu süreci birkaç bin yıldan sadece birkaç aya hızlandırdık.”
Moleküler Evren MU-0 aracı yakın zamanda piyasaya sürüldü ve daha fazla ayrıntıya web sitesinden ulaşabilirsiniz.
Dünyadaki Araştırmacıları Güçlendirmek
NVIDIA’nın CUDA tabanlı kütüphaneleri, dünyadaki araştırmacıları malzeme keşiflerini hızlandırmaları için güçlendiriyor:
- NVIDIA cuML Python kütüphanesini kullanarak, API kod değişikliği gerekmeksizin makine öğrenimi iş akışlarınızı hızlandırın.
- NVIDIA Batched Geometry Relaxation NIM mikro hizmeti indirme bildiriminin alınması için kaydolun.
- NVIDIA NeMo ile özel üretken modeller oluşturun.
Teşekkür
SES ekibi, NVIDIA ekibine verdikleri destek için teşekkür eder. Özellikle, Jenn Yonemitsu ve Brian Tepera’ya değerli yardımları için minnettarız.
