Il metodo per migliorare la produzione di materiali avanzati, basato sulla ricerca imperiale, è stato scelto come esempio di intelligenza artificiale per il bene comune.

Emanazione imperiale polarone È stato selezionato per l’inaugurazione Premio Manchester, un concorso indetto dal governo per sostenere i progressi compiuti nel campo dell’intelligenza artificiale per il bene pubblico. Ciascuno dei dieci team selezionati ha ricevuto 100.000 sterline per sviluppare ulteriormente le proprie soluzioni, con un finalista che porterà a casa il primo premio di 1 milione di sterline la prossima primavera.

È davvero emozionante essere in un ecosistema in cui interagiamo con altre grandi startup di intelligenza artificiale. Isaac Scudieri Polarone

“Il Premio Manchester ci dà un grande impulso in termini di visibilità ed è davvero entusiasmante essere in un ecosistema in cui possiamo interagire con altre grandi startup di intelligenza artificiale”, afferma. Isacco scudieriCEO di Polaron e parte del team fondatore di Scuola Dyson di Ingegneria del Design.

Oltre al premio finanziario, le aziende selezionate beneficiano di un pacchetto di supporto completo, che comprende finanziamenti per risorse informatiche, supporto per la preparazione degli investitori e accesso a una rete di esperti.

“L’intero campo dell’intelligenza artificiale è così dinamico in questo momento, e si muove così rapidamente, che puoi trarre grandi vantaggi dall’essere parte di una comunità che sa quali sono i nuovi strumenti più interessanti e come implementarli”, afferma. Dottor Sam Cooperun altro co-fondatore di Polaron e capo scienziato dell’azienda.

Migliorare la produzione materiale

Polaron è stata fondata all’inizio di quest’anno per sviluppare algoritmi di apprendimento automatico generativi basati sulla ricerca imperiale in grado di accelerare la progettazione di materiali avanzati per applicazioni come batterie e leghe ad alte prestazioni.

“Molte aziende di intelligenza artificiale stanno cercando di scoprire materiali, promettendo di trovare il materiale catodico per la prossima batteria, ad esempio, o il prossimo pannello solare”, afferma il dott. Cooper. “Polaron sta facendo qualcosa di diverso. Stiamo migliorando i prodotti che un produttore può già realizzare utilizzando la linea di produzione e i materiali esistenti, un approccio che consente al settore di avanzare più rapidamente.”

Il modo tradizionale di affrontare questo tipo di miglioramento dei processi è una combinazione di istinto ingegneristico e regole pratiche su ciò che funziona. Tuttavia, un approccio per tentativi ed errori può richiedere anni a causa dell’ampio spazio di progettazione.

Polaron migliora i prodotti che un produttore può già realizzare utilizzando la linea di produzione e i materiali esistenti”, ha affermato il Dr. Sam Cooper Polaron

Polaron sta trasformando questo approccio alla progettazione dei materiali apprendendo la relazione tra la microstruttura di un materiale e il modo in cui è prodotto, direttamente dai dati immagine. Questi modelli consentono una rapida esplorazione di possibili progetti, riducendo il ciclo di progettazione da centinaia di settimane a centinaia di ore.

“Utilizziamo i dati di immagine della microstruttura del materiale per addestrare i nostri modelli”, afferma. Il dottor Steve Kinch, terzo cofondatore e chief technology officer di Polaron. “Questo può aiutarci a collegare il modo in cui è realizzato un materiale al suo comportamento e a progettare rapidamente materiali con le migliori prestazioni, sia che si tratti della velocità con cui una batteria può caricarsi, di quanta energia può immagazzinare o di quanto costa caricarla. “

I potenziali vantaggi sono significativi, poiché il miglioramento è in grado di ottenere un aumento di potenza del 10%, riducendo al contempo i costi di ricerca e sviluppo di oltre il 50%.

Intelligenza artificiale agile

A differenza di molte aziende di intelligenza artificiale che utilizzano modelli di grandi dimensioni sviluppati altrove o addestrano modelli di grandi dimensioni propri, i modelli di Polaron sono relativamente piccoli, consentendo alle aziende di addestrare i propri modelli personalizzati.

I dati che la maggior parte delle aziende già raccoglie per il controllo qualità sono sufficienti per avviare questo flusso di lavoro di miglioramento. Dottor Steve Kinch Polaron

I modelli possono anche iniziare con una modesta quantità di informazioni sul processo. “Il livello di raccolta dati che la maggior parte delle aziende già esegue ai fini del controllo qualità è sufficiente per iniziare a implementare questo flusso di lavoro di miglioramento”, afferma il Dott. Kinch.

Oltre a ottimizzare i materiali delle batterie, i metodi Polaron si applicano a un’ampia gamma di materiali, dal cemento e compositi ai biomateriali e le leghe. Attualmente sta pianificando studi pilota con i primi utenti per dimostrare la potenza di questo approccio.

Intelligenza artificiale per il bene comune

Il Premio Manchester è organizzato dal Dipartimento di Scienza, Innovazione e Tecnologia. Ogni anno, per il prossimo decennio, premierà le innovazioni che hanno il potenziale per aiutare a cambiare la vita delle persone in tutto il Regno Unito e che continuano a garantire la posizione del Regno Unito come leader mondiale nelle innovazioni all’avanguardia.

Jeremy Hunt, Cancelliere dello Scacchiere, ha dichiarato: “Con più di 50.000 persone che già lavorano in questo settore e miliardi previsti per l’economia del Regno Unito nei prossimi anni, il potenziale dell’innovazione dell’intelligenza artificiale per contribuire ad alimentare la nostra crescita è enorme”. “Ecco perché questo finanziamento è uno dei migliori investimenti che possiamo fare.”

Il premio ha attirato quasi 300 candidature da innovatori, accademici e imprenditori da tutto il Regno Unito. Il dottor Hayton Selem, amministratore delegato della Royal Academy of Engineering e uno dei giudici del Manchester Prize, ha dichiarato: “Scegliere solo dieci finalisti da un campo di applicazioni così diversificato è stato difficile; scegliere un vincitore sarà ancora più difficile; “Non vedo l’ora di vedere come si svilupperanno le idee nei prossimi mesi”.