Learning the Chronology of Materials Discovery for Synthesizability Prediction

De zoektocht naar nieuwe materialen is een race tegen de klok. Wetenschappers kunnen nu krachtige computers gebruiken om miljoenen nieuwe chemische recepten te bedenken, waarbij kandidaten voor batterijen, zonnepanelen en medicijnen worden voorgesteld die veel sneller gaan dan een laboratorium ze kan testen. Dit creëert een flessenhals: een enorme oceaan van theoretische mogelijkheden waarbij slechts een fractie ervan ooit gebouwd en bewezen kan worden. Om dit te navigeren, hebben onderzoekers computermodellen ontwikkeld die proberen te raden welke van deze denkbeeldige recepten daadwerkelijk in een lab te realiseren zijn. Traditioneel beschouwen deze modellen de wetenschappelijke geschiedenis als een statische lijst, waarbij ze alleen kijken naar wat er is gemaakt en wat niet, zonder rekening te houden met wanneer of waarom ontdekkingen plaatsvonden. Ze gaan ervan uit dat het pad naar een nieuw materiaal willekeurig is, waarbij ze negeren dat menselijke ontdekking een specifiek, evoluerend verhaal volgt dat gevormd wordt door beschikbare hulpmiddelen, financiering en verschuivende wetenschappelijke interesses.

Een team van onderzoekers aan Imperial College London heeft een nieuwe aanpak geïntroduceerd genaamd ChronoSyn, die de manier waarop deze voorspellingen worden gedaan, verandert. In plaats van de geschiedenis van materialen te behandelen als een eenvoudige verzameling feiten, leert dit model van de tijdlijn van de ontdekking zelf. Het erkent dat de volgorde waarin wetenschappers nieuwe materialen vonden niet willekeurig is; het weerspiegelt een progressie die wordt gedreven door praktische behoeften en technologische vooruitgang. Door de computer te leren de historische sequentie te begrijpen, krijgt het model een dieper inzicht in welke chemische combinaties waarschijnlijk als volgende gesynthetiseerd zullen worden. De onderzoekers ontdekten dat door de data van het verleden van ontdekkingen op te nemen, het model aanzienlijk beter werd in het identificeren van veelbelovende nieuwe materialen, zelfs van de exemplaren die nog nooit eerder waren gezien.

De kern van dit werk ligt in de manier waarop het model informatie verwerkt. Het neemt een chemische samenstelling — een specifieke mix van elementen — en zet dit om in een digitale vingerafdruk. Deze vingerafdruk wordt vervolgens gelijktijdig in twee verschillende delen van het computerprogramma gevoed. Eén deel probeert te voorspellen of het materiaal kan worden gesynthetiseerd, terwijl het andere deel probeert te raden wanneer dat materiaal waarschijnlijk werd ontdekt ten opzichte van anderen. Het model leert door paren bekende materialen te vergelijken, waarbij de interne logica wordt aangepast zodat het een "latere" score toekent aan materialen die in recente jaren zijn gerapporteerd en een "eerdere" score aan materialen die lang geleden zijn gevonden. Deze dubbele taak dwingt de computer om een gedeeld begrip van chemie op te bouwen dat de stroom van de tijd respecteert. Het resultaat is een systeem dat niet alleen een lijst met bekende materialen onthoudt, maar ook de trajectorie begrijpt van hoe de wetenschap zich door de chemische ruimte beweegt.

Bij tests tegen standaardmodellen die de tijdlijn negeren, bleek ChronoSyn nauwkeuriger te zijn. In experimenten met databases die honderdduizenden bekende en hypothetische materialen bevatten, identificeerde het nieuwe model correct een hoger percentage echte, synthetiseerbare verbindingen. De verbetering was niet slechts een kleine statistische stijging; het was een duidelijk signaal dat de geschiedenis van de ontdekking waardevolle aanwijzingen biedt. De onderzoekers observeerden dat het model leerde om materialen te groeperen op een manier die hun werkelijke geschiedenis weerspiegelde. In de interne kaart van de computer clusterden materialen ontdekt in de jaren 1970 en 1980 in één gebied, terwijl die gevonden in de jaren 2010 en 2020 in een ander gebied samenkwamen. Deze organisatie stelde het model in staat om onderscheid te maken tussen chemische families die grondig zijn onderzocht en families die pas net worden onderzocht.

Dit vermogen om de tijdlijn te lezen bleek bijzonder nuttig bij het kijken naar materialen die nog niet gerapporteerd waren. Het model identificeerde groepen hypothetische samenstellingen die leken op de chemische families die in recente decennia zijn ontdekt. Deze "recente-achtige" materialen kregen hogere scores voor synthetiseerbaarheid dan oudere-achtige materialen. De onderzoekers vonden dat dit logisch was: chemische ruimtes die recentelijk actief zijn bestudeerd, zoals die gebruikt voor lithium-ion batterijen of brandstofcellen, worden nog steeds verkend, wat betekent dat er een grotere kans is dat ongeerdeerde materialen in deze gebieden daadwerkelijk realiseerbaar zijn. Daarentegen zijn chemische ruimtes die decennia geleden intensief werden bestudeerd maar sindsdien stil zijn gevallen, waarschijnlijk meer geneigd om materialen te bevatten die echt moeilijk of onmogelijk te maken zijn. Het model leerde effectief de "frontier" van het huidige onderzoek te prioriteren boven de "achterwateren" van het verleden.

Om de praktische waarde van deze aanpak te testen, voerden de onderzoekers een retrospectief experiment uit. Ze trainden het model met enkel de kennis die beschikbaar was tot een specifiek jaar, zoals 2018, en vroegen het vervolgens om te voorspellen welke materialen na die datum zouden worden ontdekt. ChronoSyn presteerde consequent beter dan de standaardmodellen in het identificeren van deze toekomstige ontdekkingen. Het markeerde succesvol samenstellingen die inderdaad in de jaren na de afkapdatum in de wetenschappelijke literatuur werden gerapporteerd, wat aantoont dat het model het verleden kan gebruiken om de toekomst te voorspellen. Dit suggereert dat het pad dat wetenschappers tot nu toe hebben genomen om materialen te vinden, een kaart bevat naar waar de volgende doorbraken zullen plaatsvinden.

De studie onthulde ook dat het model bijzonder goed was in het identificeren van complexe materialen die zeldzame elementen bevatten, zoals die met f-blok elementen zoals lanthaniden. Deze materialen verschijnen vaak in afzonderlijke golven van ontdekking, met perioden van intensief onderzoek gevolgd door rustigere tijden. Omdat het model de timing van deze golven leerde, kon het beter herkennen wanneer een nieuwe samenstelling paste binnen een momenteel actieve onderzoekstrend. Toen het team ChronoSyn toepaste op een enorme hypothetische ruimte van 50 miljoen potentiële chemische combinaties, benadrukte het specifieke families van verbindingen die waarschijnlijk realiseerbaar zouden zijn. Een controle tegen wetenschappelijke registers bevestigde dat veel van deze hoog scorende voorspellingen inderdaad materialen waren die in het verleden waren gesynthetiseerd en gerapporteerd, maar die ontbraken in de hoofddatabases die voor de training werden gebruikt.

De onderzoekers erkennen dat hun methode beperkingen heeft. Het model vertrouwt op publicatiedata, wat een proxy is voor ontdekking en mogelijk niet altijd overeenkomt met het exacte moment waarop een materiaal voor het eerst werd gemaakt. Het weerspiegelt ook de vooroordelen van menselijk onderzoek, waarbij potentieel gunstige maar verwaarloosde velden mogelijk worden over het hoofd gezien ten gunste van chemische gebieden die historisch gezien veel aandacht hebben getrokken. Voorts voorspelt het model of een chemische formule mogelijk is, maar houdt het nog geen rekening met de specifieke kristalstructuren die een materiaal stabiel of onstabiel zouden kunnen maken. Ondanks deze beperkingen toont het werk aan dat de geschiedenis van de wetenschap niet alleen een verslag is van wat er is gedaan, maar een gids voor wat er vervolgens gedaan kan worden. Door de chronologie van de ontdekking van materialen te leren, kunnen wetenschappers het verleden nu gebruiken om effectiever door het uitgestrekte en onontgonnen terrein van de toekomst te navigeren.