CAMBRIDGE* – Para ilmuwan di Massachusetts Institute of Technology (MIT) telah menciptakan terobosan besar dalam dunia sains material dengan mengembangkan *DiffSyn, sebuah sistem kecerdasan buatan (AI) generatif yang mampu merancang “resep” pembuatan material baru dengan kecepatan dan akurasi yang belum pernah terjadi sebelumnya.
Penemuan ini, yang diterbitkan dalam jurnal bergengsi Nature Computational Science, menjanjikan percepatan drastis dalam penemuan material canggih untuk aplikasi energi bersih, elektronik, dan farmasi.
Tantangan Lama: Tahu “Apa”, Tapi Tidak Tahu “Bagaimana”
Selama bertahun-tahun, para peneliti telah menggunakan AI untuk memprediksi struktur material baru yang secara teoritis memiliki sifat luar biasa—seperti baterai yang lebih tahan lama atau panel surya yang lebih efisien. Namun, ada satu hambatan besar: sintesis. Mengetahui struktur molekul sebuah material adalah satu hal, tetapi mengetahui cara membuatnya di laboratorium adalah tantangan yang sama sekali berbeda.
“Menggunakan analogi sederhana, kita tahu kue seperti apa yang ingin kita buat, tetapi saat ini kita tidak tahu bagaimana cara memanggangnya,” jelas Elton Pan, kandidat PhD di Departemen Sains dan Teknik Material MIT yang memimpin penelitian ini. “Sintesis material saat ini sangat bergantung pada keahlian ahli dan metode coba-coba (trial and error).”
Proses manual ini bisa memakan waktu berbulan-bulan, bahkan bertahun-tahun, untuk menemukan kondisi reaksi yang tepat—suhu, waktu, tekanan, dan rasio bahan kimia—agar material tersebut terbentuk dengan sempurna.
DiffSyn: “ChatGPT” untuk Kimia
Untuk mengatasi kebuntuan ini, tim MIT mengembangkan DiffSyn. Berbeda dengan metode lama yang kaku, DiffSyn menggunakan model difusi generatif—teknologi yang sama di balik generator gambar populer seperti DALL-E atau Midjourney.
Alih-alih mengubah noise (gangguan acak) menjadi gambar kucing atau pemandangan, DiffSyn mengubahnya menjadi jalur sintesis kimia.
“Model difusi pada dasarnya adalah model AI generatif,” kata Pan. “Selama inferensi, ia mengubah noise menjadi struktur yang bermakna dengan mengurangi sedikit noise di setiap langkah. Dalam kasus kami, ‘struktur’ tersebut adalah rute sintesis untuk material yang diinginkan.”
Tim melatih model ini menggunakan database raksasa berisi lebih dari 23.000 resep sintesis material yang dikumpulkan dari makalah ilmiah selama 50 tahun terakhir. Hasilnya? Sebuah sistem cerdas yang tidak hanya menghafal resep lama, tetapi benar-benar “memahami” logika kimia untuk merancang resep baru.
Sukses Besar: Zeolit Baru dalam Sekejap
Untuk menguji kemampuannya, para peneliti menantang DiffSyn untuk menyarankan cara pembuatan Zeolit—kelompok mineral berpori yang sangat kompleks dan vital dalam industri petrokimia serta pemurnian air. Zeolit terkenal sulit dibuat karena membutuhkan waktu kristalisasi yang lama dan memiliki banyak variabel sintesis.
Hasilnya mencengangkan. DiffSyn mampu menyarankan 1.000 rute sintesis potensial dalam waktu kurang dari satu menit.
Mengikuti saran terbaik dari AI tersebut, para peneliti berhasil mensintesis material zeolit baru di laboratorium. Pengujian selanjutnya menunjukkan bahwa zeolit buatan AI ini memiliki stabilitas termal yang lebih baik dan morfologi yang menjanjikan untuk aplikasi katalisis.
“Para ilmuwan biasanya mencoba resep sintesis satu per satu,” tambah Pan. “Itu sangat memakan waktu. Model ini memberi Anda tebakan awal yang sangat baik untuk resep sintesis material yang benar-benar baru.”
Pergeseran Paradigma: Satu Struktur, Banyak Jalan
Salah satu keunggulan utama DiffSyn adalah kemampuannya untuk mengenali bahwa ada banyak cara untuk membuat satu material yang sama. Model AI sebelumnya sering kali terpaku pada pemetaan “satu-ke-satu” (satu struktur hanya punya satu resep).
DiffSyn memperkenalkan pemetaan “satu-ke-banyak”, yang jauh lebih selaras dengan realitas eksperimental di laboratorium. Ini memungkinkan para ilmuwan untuk memilih rute sintesis yang paling efisien, murah, atau ramah lingkungan sesuai kebutuhan mereka.
Masa Depan Laboratorium Otonom
Ke depannya, tim peneliti berencana memperluas kemampuan DiffSyn ke jenis material lain seperti kerangka logam-organik (MOF) dan padatan anorganik. Visi jangka panjangnya adalah mengintegrasikan sistem cerdas ini dengan laboratorium robotik otonom.
“Tujuannya adalah menghubungkan sistem cerdas ini dengan eksperimen dunia nyata yang otonom, dan penalaran agenik pada umpan balik eksperimental untuk secara dramatis mempercepat proses desain material,” pungkas Pan.
Dengan DiffSyn, era di mana penemuan material baru terhambat oleh proses “coba-coba” manual mungkin akan segera berakhir, membuka jalan bagi inovasi teknologi yang lebih cepat untuk masa depan yang lebih berkelanjutan.
—
Dilansir dari MIT News dan Nature Computational Science.
