AI ก้าวข้ามขีดจำกัด ชุบชีวิตวัสดุที่เคยสังเคราะห์ไม่ได้ ให้ผลิตได้จริงในห้องแล็บ ปูทางสู่วัสดุขั้นสูงสำหรับชิปและแบตเตอรี่

นักวิจัยจาก Seoul National University (SNU) พัฒนาเทคโนโลยี AI ที่ก้าวข้ามข้อจำกัดของวัสดุศาสตร์ ด้วยการใช้โมเดลภาษา (LLM) ออกแบบและปรับโครงสร้างวัสดุอนินทรีย์ที่เคยสังเคราะห์ไม่ได้ ให้สามารถผลิตได้จริงในห้องแล็บ

งานวิจัยนำโดยศาสตราจารย์ Yousung Jung ภาควิชาวิศวกรรมเคมีและชีวภาพ SNU และตีพิมพ์ในวารสาร Journal of the American Chemical Society เมื่อเดือนตุลาคม 2025 โดยมี Jaehwan Choi (นักศึกษาปริญญาโท–เอกควบ) และ Dr. Seongmin Kim เป็นผู้เขียนร่วมอันดับแรก

จากการคาดการณ์ สู่การออกแบบใหม่ที่ใช้ได้จริง

ที่ผ่านมา AI ในวัสดุศาสตร์มักหยุดอยู่ที่การทำนายว่าวัสดุใดน่าจะสังเคราะห์ได้หรือไม่ แต่ทีม SNU เดินไปไกลกว่านั้น ด้วยเฟรมเวิร์กใหม่ชื่อ SynCry ที่แทนโครงสร้างผลึกเป็นคำอธิบายเชิงข้อความแบบย้อนกลับได้ (Invertible text) แล้วเรียนรู้เชิงวนซ้ำ (Iterative fine-tuning) เพื่อแปลงโครงสร้างที่สังเคราะห์ยาก ให้เป็นแบบที่ทำได้จริง

แนวคิดนี้เลียนแบบกระบวนการคิดของมนุษย์ในงานออกแบบ คือ เรียนรู้ → ปรับแก้ → สร้างใหม่ 

คืนชีพวัสดุที่เคยถูกทิ้ง

ภาพจาก SNU

SynCry เริ่มจากการปรับโครงสร้างวัสดุที่สังเคราะห์ได้สำเร็จ 514 แบบ และเพิ่มเป็น 3,395 แบบหลังการฝึกซ้ำ ที่น่าสนใจคือ ในบรรดาวัสดุ 100 อันดับแรกที่ AI ออกแบบขึ้นใหม่ มีถึง 34 แบบที่ตรงกับวัสดุซึ่งนักวิทยาศาสตร์เคยสังเคราะห์ได้จริงและมีรายงานไว้แล้ว แสดงให้เห็นว่า AI ไม่ได้แค่เลียนแบบข้อมูลเดิม แต่สามารถออกแบบวัสดุใหม่ที่ใช้งานได้จริง

ความสามารถนี้ช่วยแก้ปัญหาใหญ่ของวงการวัสดุศาสตร์ ที่มักค้นพบวัสดุใหม่ในทางทฤษฎีจำนวนมาก แต่ไม่สามารถผลิตได้จริงในห้องแล็บ เทคโนโลยีดังกล่าวจึงมีศักยภาพในการเร่งการพัฒนาวัสดุขั้นสูง เช่น เซมิคอนดักเตอร์รุ่นใหม่ และแบตเตอรี่ประสิทธิภาพสูง รวมถึงช่วยชุบชีวิตวัสดุที่เคยถูกตัดทิ้งเพราะสังเคราะห์ไม่ได้ ให้กลับมาใช้งานได้อีกครั้ง

ศาสตราจารย์ Yousung Jung ระบุว่า งานวิจัยนี้เป็นครั้งแรกที่ AI แสดงให้เห็นความสามารถในการออกแบบแก้โครงสร้างวัสดุโดยตรง ไม่ใช่เพียงการทำนายผลลัพธ์ล่วงหน้า พร้อมเผยว่าทีมมีแผนขยายการใช้งานไปยังระบบวัสดุที่หลากหลายยิ่งขึ้น

ด้าน Jaehwan Choi มองว่างานวิจัยนี้คือจุดเริ่มต้นของการพัฒนา AI Agent อเนกประสงค์ ที่สามารถช่วยทำให้งานค้นพบวัสดุเป็นระบบอัตโนมัติมากขึ้น ขณะที่ Dr. Seongmin Kim  ชี้ว่านี่คือหลักฐานสำคัญว่า AI ไม่ได้เป็นเพียงเครื่องมือช่วยวิเคราะห์ แต่สามารถมีบทบาทเชิงสร้างสรรค์ในวงการวัสดุศาสตร์ได้จริง

อ้างอิง: Phys.org