Jonathan Bean, CEO & Co-Founder of Materials Nexus – Wawancara Seri
Jonathan Bean adalah CEO & Co-Founder dari Materials Nexus. Dengan latar belakang dalam kedua sisi rekayasa teoritis dan praktis dari ilmu material, Jonathan dengan cepat mengidentifikasi peluang untuk platform pemodelan material baru. Saat masih menjadi peneliti di University of Cambridge, ia mendirikan Materials Nexus untuk mempercepat penggunaan material baru dalam mengatasi krisis iklim. Penelitian PhD Jonathan di University of York adalah tentang teknik pemodelan canggih untuk material polikristalin.
Selain perannya di Materials Nexus, Jonathan juga menjadi mentor dengan Global Talent Mentoring dan program Leaders in Innovation Fellowships yang diselenggarakan oleh Royal Academy of Engineering. Dia juga mengajar Ilmu Material untuk Insinyur di Trinity College, Cambridge, dan menjadi Visiting Fellow di London South Bank University. Materials Nexus adalah perusahaan yang menggunakan kecerdasan buatan (AI) untuk menciptakan material unggul dengan lebih cepat dari sebelumnya.
Dapatkah Anda berbagi cerita di balik pendirian Materials Nexus? Apa yang menginspirasi penciptaan perusahaan ini dan fokusnya pada penemuan material yang didorong AI?
Pada akhirnya, batas dari apa yang bisa dibangun adalah material yang digunakan untuk membangunnya; itulah motivasi saya untuk mempelajari ilmu material. Selama saya di University of Cambridge, bekerja dengan rekan pendiri saya, Robert Forrest, keinginan untuk membuat penelitian kami berjalan lebih cepat menginspirasi kami untuk beralih ke pengembangan algoritma pembelajaran mesin. Ini menjadi dasar teknologi Materials Nexus.
Jelas bahwa penelitian ini bisa memiliki dampak positif di dunia dan adopsinya perlu dipercepat. Demikian pula, kinerja produk terbatas oleh material, begitu pula kemajuan kita menuju net-zero. Inilah yang menginspirasi kami untuk mendirikan bisnis ini.
Salah satu pendorong bagi kami sebagai perusahaan adalah untuk memperbaiki keadaan dunia, baik secara lingkungan, geopolitik, maupun etis. Tujuan kami adalah merevolusi industri material dengan merancang material baru yang memenuhi tuntutan pertumbuhan baik keberlanjutan maupun kinerja.
Dapatkah Anda menjelaskan bagaimana AI sedang mengubah proses penemuan material, terutama dalam konteks Materials Nexus?
Sama seperti AI memengaruhi proses penemuan obat, ia juga secara mendasar mengubah penemuan material; mengubah apa yang biasanya merupakan pendekatan uji coba dan kesalahan menjadi proses perancangan berbasis tujuan. Tetapi berbeda dengan penelitian farmasi, ada kompleksitas tambahan dan ruang pencarian yang lebih luas di seluruh tabel periodik. Di Materials Nexus, kami melihat seluruh skala panjang, dari level kuantum hingga bulk – ini berarti kami tidak hanya memanfaatkan mekanika kuantum untuk prediksi komposisi tetapi juga pemodelan teknik pengolahan dan sintesis. Hal ini memungkinkan kami tidak hanya mengidentifikasi, tetapi juga menghasilkan material unggul dengan akurat, dalam hitungan bulan bukan puluhan tahun, yang signifikan mempercepat proses R&D.
Apa manfaat utama penggunaan AI dibandingkan dengan metode uji coba dan kesalahan tradisional dalam pengembangan material baru?
Menggunakan AI untuk penemuan material menawarkan beberapa manfaat: kecepatan, efisiensi biaya, dan keberlanjutan menjadi kunci. Platform AI kami dapat menganalisis dataset besar dan memprediksi properti material dengan akurat, semua sebelum melangkah ke lab, membuat proses ini hemat biaya dan kurang pemborosan, karena meminimalkan kebutuhan untuk eksperimen yang mahal dan memakan banyak sumber daya. Hal ini juga berarti proses yang biasanya memakan waktu berhari-hari di laboratorium bisa dilakukan dalam hitungan jam di platform kami.
Ini akhirnya membuka peluang baru dengan “desain” material yang ditargetkan vs. penemuan. Mungkin untuk menggabungkan set data atau parameter material apa pun, seperti emisi CO2, biaya, atau berat, dan mencari komposisi untuk mencocokkan kebutuhan spesifik tersebut, membalikkan proses “penemuan” tersebut.
Bagaimana peran AI dan pembelajaran mesin dalam mengurangi dampak lingkungan dari produksi material?
Memanfaatkan AI dan pembelajaran mesin membuka peluang material baru yang luas melalui fase penemuan. Pada level produksi, dampaknya adalah dua kali lipat; pertama adalah komposisi unsur material itu sendiri, kedua adalah kondisi pemrosesan material. Penemuan material AI dapat mengecualikan elemen-elemen tertentu yang memiliki biaya lingkungan tinggi (misalnya unsur tanah jarang) atau mengurangi persentase komposisi mereka. Ini juga dapat digunakan untuk melihat teknik pemrosesan (misalnya suhu, tekanan, atau bahkan kemurnian bijih) yang diperlukan untuk membuat material dan mengidentifikasi metode rendah energi. Dua aspek ini dapat memiliki dampak signifikan pada emisi primer produksi material. Namun, penting untuk dicatat bahwa dampak lingkungan tidak hanya berlaku pada produksi semata. Penerapan material unggul, baik kinerja tinggi atau lebih murah, dapat memiliki dampak lingkungan sekunder yang sangat positif dengan membuat teknologi berkelanjutan lebih mudah diakses (misalnya EV lebih murah), lebih efisien (misalnya chip komputer yang lebih baik untuk AI), dan kurang toksik dalam pembuangan akhir kehidupan mereka (misalnya mengganti hidrofluorokarbon).
Bagaimana Materials Nexus berhasil menciptakan magnet tanah jarang dalam waktu hanya tiga bulan, dan apa implikasi dari terobosan ini?
Platform kami mampu menganalisis lebih dari 100 juta komposisi potensial dari magnet tanah jarang semua sebelum melangkah ke laboratorium. Ini berarti saat kami melanjutkan tahap sintesis, kami sudah memiliki prediksi komposisi dan propertinya.
Implikasi dari magnet ini sangat signifikan: terobosan ini melebihi penemuan material tunggal ini dan menjadi sinyal transformasi proses desain material yang berusia berabad-abad. Saat platform kami menjadi lebih dikembangkan dan cerdas, kami akan dapat memprediksi komposisi bahkan lebih cepat dan di berbagai bidang material. Dengan 10100 komposisi unsur pada tabel periodik, kemungkinannya tak terbatas.
Apakah AI potensial dapat menggantikan logam tanah jarang dalam aplikasi lain selain magnet?
Penemuan material yang didorong AI memiliki potensi untuk mengidentifikasi dan mengembangkan material alternatif untuk berbagai aplikasi di luar magnet. Pada kasus ini tujuannya adalah untuk menemukan komposisi magnet alternatif yang menghilangkan unsur tanah jarang, tetapi algoritma pencarian mesin pembelajaran kami dibangun untuk diterapkan ke semua kelas material. Ini berarti kami sedang membangun platform desain material universal.
Saat ini, kemampuan platform kami difokuskan pada paduan dan keramik, dengan fokus khusus pada material fungsional untuk aplikasi dalam teknologi hijau berdampak tinggi seperti motor listrik, semi-konduktor, super-konduktor, dan hidrogen hijau, untuk menyebut beberapa.
Bagaimana kolaborasi antara Materials Nexus, Henry Royce Institute, dan University of Sheffield meningkatkan pengembangan material baru?
Kolaborasi kami dengan mitra strategis kunci di ekosistem inovasi Inggris, seperti Henry Royce Institute dan University of Sheffield, memberikan akses ke fasilitas dan keahlian kelas dunia dalam bidang khusus ilmu material. Kolaborasi ini memungkinkan kami mempercepat sintesis dan pengujian prediksi kami.
Sektor lain apa yang bisa mendapatkan manfaat dari penemuan material yang didorong AI, dan bagaimana?
Penemuan material yang didorong AI dapat memengaruhi setiap kelas material. Di Materials Nexus kami fokus pada material yang dianggap beberapa yang paling sulit, dan mahal, untuk dimajukan dan ditingkatkan, karena mereka memiliki dampak positif yang paling besar. Setiap industri akan terpengaruh: energi, penerbangan, superkomputasi, transportasi, untuk menyebut beberapa. Misalnya, di sektor energi, AI dapat membantu mengembangkan material yang lebih efisien dan berkelanjutan untuk baterai dan sel surya. Di superkomputasi, ini dapat mengarah pada penciptaan material semi-konduktor baru yang meningkatkan kapabilitas penyimpanan dan pemrosesan data. Dengan memungkinkan pengembangan material berkinerja tinggi dengan cepat, AI dapat mendorong inovasi dan keberlanjutan di hampir semua industri.
Apa kemajuan masa depan dalam AI untuk ilmu material yang dapat kita harapkan, dan bagaimana hal tersebut akan memengaruhi berbagai industri?
Kerja kami akan terus mendorong batas-batas apa yang mungkin dan kami berkomitmen untuk meruntuhkan batas-batas tersebut. Material unggul berarti inovasi unggul untuk memenuhi tuntutan tantangan masa depan. Masa depan hanya dibatasi oleh imajinasi kita.
Terima kasih atas wawancara yang hebat ini, pembaca yang ingin belajar lebih lanjut dapat mengunjungi Materials Nexus.
Tag: Materials Nexus, AI-driven materials discovery, Jonathan Bean
Tag: AI, material science, inovasi, teknologi, material unggul, keberlanjutan
Tag: Penemuan material, kecerdasan buatan, industri, ekosistem inovasi, ilmu material, perkembangan, implikasi