Crtice
Vijesti iz znanosti
Iva Rezić Meštrović
orcid.org/0000-0002-1531-776X
*
* Dopisni autor.
Sažetak
Razvoj novih materijala u 2026. godini pokriva vrlo široko područje od pametnog dizajna do autonomnog otkrivanja materijala Godina 2026. donosi novu fazu u razvoju znanosti o materijalima. Nakon desetljeća u kojima su istraživači nove materijale uglavnom
otkrivali kombiniranjem eksperimentalnog rada, teorijskih modela i postupnog optimiranja sastava i strukture, danas se sve snažnije razvija pristup u kojem umjetna inteligencija, velike baze podataka, računalne simulacije i automatizirani laboratoriji zajednički sudjeluju u procesu
otkrivanja i razvoja materijala. Suvremena znanost o materijalima tako se sve više udaljava od klasičnog modela „pokušaja i pogreške”. Umjesto da istraživač ispituje velik broj mogućih kombinacija elemenata, struktura i procesnih uvjeta, umjetna inteligencija može analizirati goleme količine postojećih podataka, prepoznati obrasce koji čovjeku nisu lako uočljivi te predložiti nove materijale s unaprijed određenim svojstvima. Takav pristup posebno je važan kod vrlo složenih sustava, primjerice legura s velikim brojem elemenata, polimera, katalizatora, elektrolita i kvantnih materijala. Istodobno, 2026. godina pokazuje da cilj više nije samo predvidjeti kakav bi materijal mogao biti uspješan. Sve je važnije povezati predviđanje s eksperimentom. Razvijaju se sustavi u kojima AI odabire sljedeći eksperiment, robotski sustav ga provodi, rezultati se automatski analiziraju, a dobiveni podaci ponovno ulaze u model. Na taj način nastaje zatvoreni krug učenja u kojem se svaki novi eksperiment koristi za poboljšanje sljedeće odluke. Upravo se takav koncept povezuje s razvojem autonomnih ili „self-driving” laboratorija. AI postaje novi partner znanstvenika
Jedan od najvažnijih trendova 2026. godine jest ubrzana integracija umjetne inteligencije u gotovo sve faze razvoja materijala. AI se danas koristi za predviđanje svojstava, generiranje novih struktura, optimiranje sastava, analizu eksperimentalnih podataka, pretraživanje
znanstvene literature i planiranje eksperimenata. Posebno se razvijaju generativni modeli, neuronske mreže, aktivno učenje i Bayesova optimizacija.
Velike baze podataka pritom postaju jednako važne kao i sami algoritmi. Primjerice, Materials Project početkom 2026. godine obuhvaćao je više od 200 000 računalno proučenih materijala i stotine tisuća molekula, a njegova se infrastruktura koristi u istraživanjima baterija,
kvantnog računarstva, mikroelektronike i katalize. Posebno je zanimljiv prijelaz prema multimodalnoj umjetnoj inteligenciji. Za potpuno razumijevanje materijala nije dovoljno znati samo njegov kemijski sastav. Potrebno je istodobno povezati informacije o kristalnoj i mikrostrukturnoj građi, načinu priprave, procesnim uvjetima, mehaničkim, električnim i optičkim svojstvima te rezultatima karakterizacije. Upravo integracija takvih različitih vrsta podataka
postaje jedan od ključnih izazova suvremene znanosti o materijalima. No, unatoč velikom napretku, umjetna inteligencija nije zamjena za znanstvenika. Materijal koji računalni model predvidi kao zanimljiv kandidat mora se još uvijek sintetizirati, karakterizirati i eksperimentalno potvrditi. Posebno je važno osigurati da AI modeli poštuju temeljne zakone fizike i kemije te da njihova predviđanja budu provjerljiva. Upravo se zato u 2026. sve više govori o „physics-grounded AI”, odnosno umjetnoj inteligenciji koja u proces predviđanja uključuje fizikalna i kemijska ograničenja.
Ključne riječi
vijesti iz znanosti, inženjerstvo materijala, AI, umjetna inteligencija
Hrčak ID:
351060
URI
Datum izdavanja:
26.7.2026.
Posjeta: 0 *