איך אוכל להכין את עצמי למשהו שעדיין לא ידוע לי?
מדענים מהאוניברסיטה הטכנית במינכן (TUM) וממכון פריץ הבר מברלין התייחסו לשאלה כמעט פילוסופית זו בהקשר של למידת מכונה.
למידה אינה יותר מאשר קבלת החלטות חדשות על ניסיון קודם. כדי להתמודד עם מצב חדש בדרך זו, צריך להתמודד עם מצבים דומים בערך לפני כן. בלימוד מכונה, משמעות הדבר היא כי אלגוריתם למידה צריך להיחשף לנתונים דומים בערך.
אבל מה אנחנו יכולים לעשות אם יש כמות כמעט אינסופית של אפשרויות, כך שפשוט אי אפשר ליצור נתונים המכסים את כל המצבים? בעיה זו הופכת לאתגר מרכזי כאשר אנו מתמודדים עם מספר אינסופי של מולקולות מועמדות אפשריות.
מוליכים למחצה אורגניים מאפשרים טכנולוגיות עתידיות חשובות כגון תאים סולאריים ניידים או תצוגות ניתנות לגלגול. עבור יישומים כאלה, יש לגלות מולקולות אורגניות משופרות - המרכיבות חומרים אלה. משימות מסוג זה משתמשות יותר ויותר בשיטות לימוד מכונה, תוך אימון על נתונים מהדמיות מחשב או ניסויים.
מספר המולקולות האורגניות הקטנות האפשריות אפשריות, לעומת זאת, מוערך בסדר גודל של 1033. מספר מוחץ זה של אפשרויות הופך את זה לבלתי אפשרי כמעט לייצר מספיק נתונים כדי לשקף מגוון כה גדול של חומרים. בנוסף, רבות מאותן מולקולות אינן מתאימות אפילו למוליכים למחצה אורגניים. האחד מחפש בעצם את המחט הפתגמית בערמת שחת.
הצוות סביב פרופ 'קרסטן רויטר, מנהל המחלקה לתיאוריה במכון פריץ-הבר, וד"ר הרלד אוברהופר, חוקר הייזנברג ביו"ר הכימיה התיאורטית, התייחסו לבעיה זו באמצעות למידה פעילה כביכול. במקום ללמוד מנתונים קיימים, האלגוריתם למידת מכונה מחליט בעצמו באופן איטרטיבי איזה נתונים הוא באמת צריך ללמוד על הבעיה.
המדענים מבצעים תחילה סימולציות על כמה מולקולות קטנות יותר, ומקבלים נתונים הקשורים למוליכות החשמלית של המולקולות - מדד לתועלת שלהם כאשר בוחנים חומרים תאיים סולאריים אפשריים.
בהתבסס על נתונים אלה, האלגוריתם מחליט אם שינויים קטנים במולקולות אלה כבר יכולים להוביל לתכונות שימושיות או שהוא לא בטוח בגלל היעדר נתונים דומים. בשני המקרים היא מבקשת אוטומטית סימולציות חדשות, משפרת את עצמה באמצעות הנתונים שנוצרו לאחרונה, שוקלת מולקולות חדשות וממשיכה לחזור על הליך זה.
בעבודתם, המדענים מראים כי גישה זו יעילה באופן משמעותי מאלגוריתמי חיפוש אלטרנטיביים וכיצד ניתן לזהות מולקולות חדשות ומבטיחות בדרך זו תוך האלגוריתם ממשיך בחקירתו למרחב המולקולרי העצום. בכל שבוע היא מציעה מולקולות חדשות שיכולות להכניס את הדור הבא של תאי השמש והאלגוריתם רק ממשיך להשתפר ולהשתפר.