ویرگول
ورودثبت نام
فاطمه خسروی
فاطمه خسروی
فاطمه خسروی
فاطمه خسروی
خواندن ۵ دقیقه·۳ ماه پیش

استارتاپ CuspAI؛ ورود هوش مصنوعی به علوم پایه و مهندسی مواد

در دو دهه گذشته، هوش مصنوعی تقریبا تمام حوزه‌های فناوری را تحت تاثیر قرار داده است؛ از تولید متن و تصویر گرفته تا پزشکی، برنامه‌نویسی و خودروهای خودران. اما یکی از جذاب‌ترین موج‌های جدید، ورود هوش مصنوعی به علوم پایه و مهندسی مواد است؛ جایی که الگوریتم‌ها دیگر صرفا داده‌ها را تحلیل نمی‌کنند، بلکه به دانشمندان در طراحی مواد جدید کمک می‌کنند. در همین نقطه، استارتاپ بریتانیایی CuspAI به یکی از مهم‌ترین بازیگران نوظهور جهان تبدیل شده است.

این شرکت که در سال ۲۰۲۴ در کمبریج انگلستان تاسیس شد، ماموریتی جاه‌طلبانه دارد: کاهش زمان کشف و توسعه مواد پیشرفته از چندین سال به چند ماه. اگر این هدف محقق شود، پیامدهای آن تنها به آزمایشگاه‌ها محدود نخواهد بود؛ بلکه صنایع نیمه‌هادی، باتری، انرژی پاک، جذب کربن، تصفیه آب و حتی تولید دارو را متحول خواهد کرد.

مسئله‌ای که CuspAI حل می‌کند

پیشرفت فناوری همواره وابسته به کشف مواد جدید بوده است. از تراشه‌های سیلیکونی گرفته تا باتری‌های لیتیومی، هر جهش فناوری بر پایه نوآوری در علم مواد شکل گرفته است. با این حال، فرآیند کشف مواد هنوز عمدتا کند، پرهزینه و مبتنی بر آزمون و خطاست.

پژوهشگران معمولا هزاران ترکیب شیمیایی را شبیه‌سازی یا آزمایش می‌کنند تا شاید به ماده‌ای با ویژگی‌های موردنظر برسند. این فرآیند ممکن است سال‌ها طول بکشد و میلیاردها دلار هزینه داشته باشد.

ایده CuspAI تغییر کامل این رویکرد است. به جای آنکه ابتدا ماده ساخته شود و سپس خواص آن اندازه‌گیری شود، این شرکت از روشی موسوم بهInverse Design یا «طراحی معکوس» استفاده می‌کند؛ یعنی ابتدا ویژگی‌های مطلوب تعریف می‌شوند و سپس مدل‌های هوش مصنوعی مناسب‌ترین مولکول یا ماده را پیشنهاد می‌کنند.

هوش مصنوعی چگونه مواد جدید را طراحی می‌کند؟

پلتفرم CuspAI ترکیبی از مدل‌های مولد، شبیه‌سازی‌های فیزیکی، داده‌های عظیم علمی و مدل‌های یادگیری ماشین است.

فرآیند کلی به این شکل انجام می‌شود:

  • تعریف ویژگی‌های موردنیاز (مثلا جذب دی‌اکسیدکربن یا تحمل دمای بالا)

  • تولید هزاران ساختار مولکولی پیشنهادی توسط مدل‌های مولد

  • ارزیابی سریع خواص این ساختارها با شبیه‌سازی‌های فیزیکی

  • انتخاب بهترین گزینه‌ها

  • ارسال نمونه‌های منتخب برای سنتز و آزمایش در آزمایشگاه

در واقع، هوش مصنوعی بسیاری از آزمایش‌های پرهزینه را به فضای دیجیتال منتقل می‌کند و تنها امیدبخش‌ترین گزینه‌ها وارد مرحله آزمایش واقعی می‌شوند. این موضوع زمان توسعه مواد را به شدت کاهش می‌دهد.

بنیان‌گذاران؛ ترکیب هوش مصنوعی و علم مواد

CuspAI توسط چاد ادواردز (Chad Edwards) و مکس ولینگ (Max Welling) تاسیس شده است.

ولینگ یکی از شناخته‌شده‌ترین پژوهشگران یادگیری ماشین در اروپا و استاد دانشگاه آمستردام است که سابقه فعالیت در موسسات پژوهشی معتبر و توسعه مدل‌های پیشرفته هوش مصنوعی را در کارنامه دارد. ادواردز نیز تجربه فعالیت در حوزه فناوری‌های عمیق (Deep Tech) و تجاری‌سازی پژوهش‌های علمی را با خود دارد.

قدرت علمی شرکت تنها به بنیان‌گذاران محدود نیست. در هیئت مشاوران آن نیز نام‌هایی دیده می‌شود که هرکدام از چهره‌های تاثیرگذار هوش مصنوعی جهان هستند؛ از جمله Geoffrey Hinton، Yann LeCun و مدیران باسابقه صنعت نیمه‌هادی.

سرمایه‌گذاران بزرگ چرا به CuspAI اعتماد کرده‌اند؟

در نخستین دور جذب سرمایه در سال ۲۰۲۴،CuspAI موفق شد ۳۰ میلیون دلار سرمایه اولیه جذب کند؛ اما رشد شرکت بسیار سریع‌تر از انتظار بود.

در سال ۲۰۲۶ این استارتاپ موفق به جذب حدود ۴۵۰ میلیون دلار سرمایه شد و ارزش آن به حدود 2.6 میلیارد دلار رسید؛ رقمی که آن را در میان ارزشمندترین استارتاپ‌های هوش مصنوعی اروپا قرار می‌دهد. سرمایه‌گذارانی مانند صندوق شخصی جف بزوس، Kleiner Perkins، NEA، Temasek و Samsung در این دور حضور داشتند.

چنین سرمایه‌گذاری عظیمی نشان می‌دهد بازار سرمایه باور دارد موج بعدی انقلاب هوش مصنوعی تنها در چت‌بات‌ها و تولید محتوا نخواهد بود، بلکه در کشف فناوری‌های فیزیکی رخ خواهد داد.

AI Materials Foundry؛ کارخانه جهانی کشف مواد

یکی از مهم‌ترین اقدامات اخیرCuspAI، راه‌اندازی پروژه AI Materials Foundry است؛ شبکه‌ای جهانی که شرکت‌های صنعتی، آزمایشگاه‌ها، مراکز داده و توسعه‌دهندگان مدل‌های هوش مصنوعی را گرد هم آورده است.

در این اکوسیستم، بیش از ۴۵ سازمان از جمله NVIDIA، Meta، Hyundai، Applied Materials، Fujifilm و چندین مرکز تحقیقاتی معتبر همکاری می‌کنند.

هدف این شبکه، اتصال چهار عنصر کلیدی است:

  • داده‌های علمی

  • توان پردازشی

  • مدل‌های هوش مصنوعی

  • آزمایشگاه‌های واقعی

این همکاری باعث می‌شود چرخه کشف مواد، از مرحله ایده تا نمونه آزمایشگاهی، با سرعت بسیار بیشتری انجام شود.

نخستین کاربردهای واقعی

برخلاف بسیاری از استارتاپ‌های هوش مصنوعی که هنوز محصول عملیاتی مشخصی ندارند،CuspAI از هم‌اکنون روی پروژه‌های صنعتی کار می‌کند.

یکی از نمونه‌های شاخص، همکاری با شرکت شیمیایی Kemira برای طراحی موادی جهت حذف ترکیباتPFAS یا همان «مواد شیمیایی ماندگار» از آب است. این آلاینده‌ها به دلیل پایداری بالا، یکی از چالش‌های مهم زیست‌محیطی جهان محسوب می‌شوند.

همچنین این شرکت روی توسعه مواد موردنیاز صنایع زیر کار می‌کند:

  • نیمه‌هادی‌ها

  • باتری‌های نسل آینده

  • جذب و ذخیره کربن

  • کاتالیست‌های شیمیایی

  • پوشش‌های صنعتی

  • مواد پیشرفته برای انرژی پاک

چرا CuspAI مهم است؟

تا امروز بیشتر موفقیت‌های هوش مصنوعی در دنیای دیجیتال اتفاق افتاده است؛ تولید متن، ترجمه، تصویر یا کدنویسی.

اما CuspAI نماینده نسلی از شرکت‌هاست که تلاش می‌کنند هوش مصنوعی را وارد جهان فیزیکی کنند؛ جایی که خروجی مدل‌ها می‌تواند به تولید ماده‌ای واقعی، ساخت باتری بهتر یا کاهش آلودگی محیط‌زیست منجر شود.

اگر این رویکرد موفق باشد، هوش مصنوعی دیگر تنها یک ابزار نرم‌افزاری نخواهد بود، بلکه به موتور محرک نوآوری در علوم پایه تبدیل می‌شود.

آینده‌ای که تازه آغاز شده است

رقابت جهانی برای توسعه «AI for Science» به سرعت در حال افزایش است. شرکت‌هایی مانند Google DeepMind، Microsoft، OpenAI و Anthropic نیز سرمایه‌گذاری گسترده‌ای در این حوزه انجام داده‌اند. با این حال، مزیت CuspAI تمرکز کامل بر علم مواد و ایجاد پلی میان مدل‌های هوش مصنوعی و آزمایشگاه‌های صنعتی است.

ممکن است در سال‌های آینده نام CuspAI کمتر از شرکت‌های تولیدکننده چت‌بات شنیده شود، اما اگر این شرکت بتواند حتی چند ماده انقلابی برای صنایع انرژی، تراشه یا محیط‌زیست طراحی کند، اثر آن بر اقتصاد جهانی می‌تواند بسیار فراتر از بسیاری از محصولات مصرفی هوش مصنوعی باشد.

شاید نسل بعدی تراشه‌های سریع‌تر، باتری‌های بادوام‌تر یا فناوری‌های جذب کربن، نه در یک آزمایشگاه سنتی، بلکه ابتدا در مدل‌های هوش مصنوعی CuspAI متولد شوند.

هوش مصنوعیعلوم پایهمهندسی مواد
۰
۰
فاطمه خسروی
فاطمه خسروی
خبرنامه گیره
خبرنامه گیره
از دنیای کاریابی، اشتغال، مهارت‌افزایی، کارآفرینی، علم و تکنولوژی
شاید از این پست‌ها خوشتان بیاید