Lähes kymmenen vuoden ajan teknillisen fysiikan laitoksen professori Patrick Rinke on ollut uraauurtava tekijä tekoälyn hyödyntämisessä materiaalitieteessä. Rinke opetteli tekoälymetodologiaa, kirjoitti algoritmeja ja opetti keksimiään toimintatapoja jo vuonna 2016, jolloin harvalla oli selkeä ajatus siitä, mihin kaikkeen tekoälyä voi käyttää.
Siitä lähtien koneoppinen materiaalitieteessä on noussut merkittäväksi globaaliksi tutkimussuuntaukseksi. Rinken asiantuntemus kestävien ja ilmastoystävällisten materiaalien löytämiseksi ei ole koskaan ollut yhtä tärkeää kuin nyt.
Patrick Rinke saapui Aalto-yliopistoon vuonna 2014. Hänen taustansa on laskennallisessa fysiikassa ja kvanttimekaniikassa. Rinken akateeminen ura oli vienyt hänet Saksasta Iso-Britannian kautta Yhdysvaltoihin mallintamaan atomitason hiukkasten monimutkaisia vuorovaikutuksia laskennallisten työkalujen avulla.
"Lukiossa olin hyvä matematiikassa, fysiikassa ja tietotekniikassa. Mutta en millään osannut päättää mitä halusin opiskella yliopistossa. Matematiikka oli mielestäni liian vaikeaa, ja tietotekniikka liian uutta. Päädyin tekemään fysiikan tutkinnon painottaen laskennallista fysiikkaa, mikä yhdisti kaikki kolme asiaa joissa olin hyvä", Rinke sanoo.
Jo vuonna 2014, lähes vuosikymmen ennen kuin ChatGPT teki tekoälystä trendikästä, Rinkeä kiinnosti koneoppiminen. Aallosta hän löysi muutaman yhtä kiinnostuneen yhteistyökumppanin, ja yhdessä he testasivat tekoälyn toimivuutta fysiikan kontekstissa.
"Juuri kukaan Suomessa ei kehittänyt vastaavanlaista fysiikan koneoppimismetodologiaa kun aloitin professorina. Minut palkanneet henkilöt olivat ihan yhtä uteliaita kuin minä saamaan selville toimiiko koko homma ollenkaan".
Ja toimihan se. Rinke ylennettiin hiljaittain täyteen professuuriin, ja hän johtaa omaa Computational Electronic Structure Theory (CEST) -tutkimusryhmäänsä. Siellä tutkijat käyttävät itse kehittämäänsä koneoppimismetodologiaa materiaalitieteen ongelmien ratkomiseen ja muiden alojen tutkijoiden auttamiseen.
Professori Patrick RinkeVoimme kuvitella rajattomasti erilaisia materiaaleja, mutta luonnon täytyy kertoa meille mitkä niistä ovat mahdollisia.
Rinken mukaan "materiaalitiede"-sanan "materiaali" viittaa kaikkeen vähänkään kiinteään. Eli esimerkiksi mineraaleihin, metalleihin, keraamisiin aineisiin, biomassoihin, kuituihin tai vaikka itse piirilevyihin, jotka koneoppivaa tekoälyä pyörittävät. Materiaalitieteen tutkijan tehtävä on tarkastella näiden atomitason rakennetta ja löytää yhdistelmiä, jotka johtavat uusiin materiaaleihin tai avaavat uusia ominaisuuksia tutuissa materiaaleissa.
"Voimme kuvitella rajattomasti erilaisia materiaaleja, mutta luonnon täytyy kertoa meille mitkä niistä ovat mahdollisia. Jotkut atomiyhdistelmät räjähtävät samantien kappaleiksi ja jotkut järjestäytyvät muotoon joka on aiempaa stabiilimpi, mutta muilta ominaisuuksiltaan tylsempi. Meidän tehtävämme on etsiä realistisia yhdistelmiä."
Rinke yhdistää materiaalitieteen viime vuosikymmenten suurimpiin teknologisiin muutoksiin.
"Siksi meillä on esimerkiksi sähköautoja, alati kutistuvat tietokoneiden piirilevyt ja muovia korvaavat ympäristöystävälliset vaihtoehdot. Materiaalitieteellä on ollut näppinsä pelissä näissä ja lukemattomissa muissa asioissa".
Itse tutkimus on pitkälti armotonta käsityötä: materiaalien yhdistelyä, mittaamista ja analysointia. Koska tutkimusaineistoon kuuluu kaikki vähänkään kiinteä, mahdollisten yhdistelmien lukumäärä ylittää tietokoneiden laskentatehon helposti. Muuttujia rajatakseen tutkijat pysyttelevät usein jo tutuissa materiaaleissa.
Rinken läpimurto, eli laskutoimitusten sälyttäminen tekoälyn harteille, on kuin lähtisi juoksukisaan formula-autolla.
"Koneoppimismetodit nopeuttavat laskutoimituksia vallankumouksellisesti, ja mahdollistavat kokonaan uusien materiaalien tutkimisen. Materiaalitiede on pitkälti yritystä ja erehdystä, ja me keksimme tavan nopeuttaa sitä", Rinke sanoo.
Käytännössä Rinke ja hänen ryhmänsä kirjoittavat omat koneoppimisalgoritminsa ja syöttävät ne eri puolelta Suomea löytyviin supertietokoneisiin. Supertietokoneiden koneoppimiseen erikoistuneet osa-alueet tekevät tarvittavat laskutoimitukset Rinken ryhmältä niin ikään saamiensa skriptien avulla. Laskutoimitukset perustuvat dataan, joka koostuu atomirakenteista ja vastaavista tieteellisistä kuvauksista. Tämän jälkeen Rinke ja muut tutkijat tulkitsevat tuloksia ja ehdottavat lupaavia yhdistelmiä yhteistyökumppaneille, kuten insinööreille, kemisteille tai ilmakehätutkijoille.
Professori Patrick RinkeMaailmanlaajuiset haasteet vaativat yhteisen tutkimuspanoksen
Rinken teema on kestävä kehitys: kaikki mikä tuottaa vihreää energiaa, laskee energiankulutusta, vähentää jätettä tai auttaa kamppailussa ilmastonmuutosta vastaan. Parhaillaan hän on mukana ilmastotieteellisessä projektissa, kehittää uusia aurinkokennoja, luo tekoälypiirejä, jotka matkivat ihmisaivojen energiatehokasta rakennetta, ja auttaa luomaan biomassasta vaihtoehtoja muoville.
Tällä hetkellä hänen lempimateriaalinsa on perovskiiteiksi kutsuttu mineraaliperhe.
"Perovskiitit ovat huomattavasti esimerkiksi piitä helpommin käsiteltävä materiaali. Tutkimme esimerkiksi saisko perovskiiteista tehtyä aurinkokennoja. Se voisi johtaa nykyistä halvempiin ja tehokkaampiin aurinkopaneeleihin. Ehkä niitä voisi käyttää jopa sisätilavalaistusta hyödyntävinä aurinkopaneeleina".
Kestävään kehitykseen tähtäävä materiaalitiede voi auttaa meitä vastaamaan globaaleihin haasteisiin, ja tekoälyn avulla se on myös nopeampaa kuin aiemmin. Rinken mukaan tekoäly on yksi avain myös tieteiden rajat ylittävään yhteistyöhön.
"Maailmanlaajuiset haasteet vaativat yhteisen tutkimuspanoksen ja yhteistyö on tieteen edellytys. Tekoälymetodologiaa voi käyttää missä tieteenlajissa tahansa, ja se on ollut minulle keino tehdä yhteistyötä eri alojen asiantuntijoiden kanssa", Rinke sanoo.
Ilmakehän tutkimus on hyvä esimerkki. Muutama vuosi sitten Rinke sattui paikalle kun ilmakehään erikoistunut tutkija kertoi ilmakehän mallintamiseen vaadittavasta valtavasta molekyylidatan määrästä. Rinke oli sattumoisin juuri työskennellyt samanlaisen molekyylidatan kanssa, ja keskustelussa tutkijan kanssa kävi ilmi että Rinken tekoälymetodologia soveltuu ilmakehän tutkimiseen täydellisesti. Nyt, muutamaa vuotta myöhemmin, Rinke kuuluu VILMA-huippuyksikköön, joka tutkii orgaanisten aerosolien muodostumista ja kasvua ilmakehässä.
Rinken metodologian osoittautuessa aina vaan menestyksekkäämmäksi, hän haluaisi hyödyntää sen täyden potentiaalin tulevina vuosina.
"Esimerkiksi verkkokaupasta tai viihdesovelluksista saatava data on kymmeniä kertoja laajempaa ja käyttökelpoisempaa kuin mikään mihin materiaalitiede tällä hetkellä kykenee. Vaikkapa biomateriaaleista, kemiasta tai sähköalalta tuleva data ei yksinkertaisesti ole tarpeeksi digitoitua. Tämän haluan ehdottomasti korjata".
Rinkeä kiinnostaa myös täysin uusien materiaalien löytäminen. Se vaatii hyvän datan ja kehittyneiden tekoälyalgoritmin lisäksi laajaa ymmärrystä eri materiaalien fysiikasta ja kemiasta. Tie mihin tahansa uuteen materiaaliin, oli se sitten jokin metalli, mineraali tai orgaaninen aine, on todennäköisesti töyssyinen ja täynnä yllätyksiä.
"On mahdotonta sanoa mitä kaikkea voimme vielä löytää. Kun ottaa lisäksi huomioon tekoälyn huiman kehityksen, tuloksena on tutkimusala ja metodologia joihin en kyllästy koskaan".
Fantastisen tutkimusryhmän ja yhtä uteliaiden yhteistyökumppanien tukemana Rinke jatkaa uraauurtavaa työtään Aallossa laskennallisen fysiikan, materiaalitieteen ja koneoppimisen parissa.
CEST is developing electronic structure and machine learning methods and applying them to computational materials science problems. CEST moved their operations to the Technical University of Munich in 2024.
Suomen tekoälykeskus FCAI on osaamiskeskittymä, jonka ovat käynnistäneet Aalto-yliopisto, Helsingin yliopisto ja Teknologian tutkimuskeskus VTT. FCAI:n tavoitteena on kehittää uudenlaista tekoälyä, joka voi toimia ihmisen kanssa monimutkaisessa ympäristössä ja auttaa uudistamaan suomalaista teollisuutta. FCAI on yksi Suomen Akatemian lippulaivoista.
