ד"ר יולי שביט זכתה במענק Horizon Europe היוקרתי

ד"ר יולי שביט, חברת סגל חדשה בפקולטה, במסלול להנדסת תוכנה, זכתה במענק המחקר התחרותי והיוקרתי Horizon Europe של האיחוד האירופי, כחלק ממאגד בינלאומי מוביל.

המאגד, שזכה במימון כולל של5.95  מיליון אירו, נבחר במסגרת קול קורא תחרותי וקפדני במיוחד של האיחוד האירופי לפיתוח מודלי יסוד של בינה מלאכותית למדע(GenAI4EU) . הקבוצה תוביל את פרויקט GENMAT)Generative Foundation Model for Multi-Scale Materials Discovery, Design and Deployment(.

האצת פיתוח חומרים מתקדמים באמצעות בינה מלאכותית

פיתוח חומר חדש, משלב הגילוי במעבדה ועד ליישום מסחרי בתעשייה, לוקח כיום בין 10 ל-20 שנה. מטרת העל של פרויקט  GENMAT היא לקצר את לוחות הזמנים הללו באופן דרמטי באמצעות בניית מודל AI משולב למדע החומרים. האתגר הגדול של  GENMAT הוא לאסוף מידע עשיר ורחב היקף: החל ברמה המולקולרית והאטומית, דרך מבנה החומר ועד לביצועים שלו בשטח – ולחבר את הכול תחת תשתית בינה מלאכותית אחת, אחידה ומבוססת על חוקי הפיזיקה.

"מה שמעסיק היום את התעשייה והמחקר אלו משימות חיזוי לצד משימות גנרטיביות, יוצרות", אומרת ד"ר שביט. "אנחנו לא רוצים רק לנתח חומרים קיימים. השאיפה היא לאפשר למדענים להגדיר למודל רשימת תכונות רצויות, כמו גמישות, עמידות לחום או יכולת מחזור, והמודל יתכנן בעצמו את המולקולות והרכב החומר האופטימליים. זהו מעבר מתהליך ארוך של ניסוי וטעיה לתכנון מבוסס נתונים".

תועלת ברורה ומיידית למגוון תעשיות

הפרויקט יוכיח את היכולות שלו דרך שלושה מקרי בוחן בעלי אימפקט סביבתי ותעשייתי משמעותי:

1. ויטרימרים(Vitrimers)  : זוהי משפחה חדשנית של פולימרים (פלסטיק) חזקים במיוחד, בעלי רשתות קוולנטיות דינמיות, שניתן למחזר ולעצב מחדש - פתרון קריטי למשבר הפלסטיק העולמי.
2. ציפויים עמידים ללא חומרים רעילים(PFAS-Free) : פיתוח חומרים ירוקים שיחליפו כימיקלים מזהמים המשמשים כיום לציפויים דוחי מים וקרח.
3. ניטור בריאות מבני (SHM): מערכות בינה מלאכותית המחוברות לחיישנים שיודעות לזהות שברים ונזקים בחומרים מרוכבים מתקדמים (כמו במיכלי מימן או כלי רכב) ולחזות את אורך חייהם כדי למנוע אסונות.

ברגע שהטכנולוגיה תוכח, היא תהווה תשתית פתוחה ותוכל לשמש שמש מגוון של תעשיות ענק: מתעשיית הרכב והתעופה, דרך חברות התרופות ועד לתעשיית השבבים.

הארכיטקטורה מאחורי GENMAT : למידת ייצוגים המגשרת בין המבנה המולקולרי לביצועי החומר

ד"ר שביט, חוקרת בתחום הלמידה עמוקה, מובילה בפרויקט את אחד החלקים המורכבים והחשובים ביותר: ארכיטקטורת הבינה המלאכותית שאמורה לקשר בין סוגי דאטה שונים לחלוטין: קלטים מולקולריים, תמונות מיקרוסקופיות ואותות מחיישנים פיזיקליים בזמן אמת.

קבוצת המחקר של ד"ר שביט במעבדה ללמידה עמוקה בבר-אילן תפתח שיטות חדשניות ללמידת ייצוגים (Representation Learning). "המטרה היא לגרום למודל להבין את הקשרים הפיזיקליים והכימיים בין קני מידה שונים (Multi-scale) ומודאליות שונות (Multi-modal), כדי לאפשר חיזוי אמין ויצירה של חומרים חדשים מבלי שהמודל יחרוג מחוקי הפיזיקה או ייצר 'הזיות'", מסבירה ד"ר שביט. 

המאגד בו חברה ד"ר שביט כולל חברות תעשייה מובילות, ובראשן ענקית השבבים והבינה המלאכותית העולמית Nvidia, לצד מוסדות אקדמיים מובילים באירופה. שיתוף הפעולה הזה מייצר חיבור ישיר וייחודי בין מדענים ומומחים מתחום מדע החומרים לבין חוקרים ומומחים מתחום הבינה המלאכותית.

במסגרת העבודה המשותפת, מדעני החומרים אמונים על ייצור ועיבוד הדאטה, המעבדה של ד"ר שביט מובילה את פיתוח אלגוריתמי הלמידה העמוקה, ואילו הערכת המודלים (האבולוציה) מתבצעת באופן מבוקר הן על גבי מאגרי נתונים פתוחים  (Open-source benchmarks) והן בניסויי מעבדה פיזיים כדי לבחון את החומרים בפועל. "מדובר בשותפות יוצאת דופן שצפויה להגדיר מחדש את עתיד החדשנות והיישום של חומרים מונעי בינה מלאכותית", מסכמת ד"ר שביט.

הזדמנות למחקר פורץ דרך: דרושים חוקרים בעלי רקע ב-AI ובמדע החומרים

בעקבות הזכייה במענק, מעבדת המחקר של ד"ר שביט בפקולטה להנדסה מגייסת כעת דוקטורנטים ופוסט-דוקטורנטים מבריקים שרוצים לקחת חלק בפרויקט שאפתני ופורץ דרך זה. מחקר אינטרדיסציפלינרי זה מצריך שילוב ייחודי של מומחיות בלמידה עמוקה, מודלי יסוד (Foundation Models) ולמידת ייצוגים, לצד רקע מוכח והשכלה בתחום של מדע והנדסת חומרים.

רוצים להשפיע על עתיד הבינה המלאכותית ומדע החומרים העולמי? צרו קשר ישיר עם ד"ר יולי שביט ותאמו פגישה:yoli.shavit@biu.ac.il.