Generatiivisen tekoälyn hyödyntäminen materiaalitieteessä
Grönroos, Sanni (2025-05-20)
Generatiivisen tekoälyn hyödyntäminen materiaalitieteessä
(20.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025052150115
https://urn.fi/URN:NBN:fi-fe2025052150115
Tiivistelmä
Tekoäly on yksi nykyajan tietotekniikan keskeisimmistä sovelluksista, jota hyödynnetään yhä useammalla tieteenalalla ja teollisuuden sektorilla. Viime vuosina erityisesti generatiivinen tekoäly on noussut merkittävään rooliin, sillä se kykenee tuottamaan uutta sisältöä suurten tietoaineistojen perusteella. Tässä kandidaatintutkielmassa tarkastellaan generatiivisen tekoälyn (engl. generative artificial intelligence, GenAI) mahdollisuuksia ja haasteita materiaalitieteessä. Generatiivinen tekoäly viittaa tekoälymalleihin, jotka kykenevät tuottamaan uutta sisältöä suurista tietomassoista oppimansa perusteella.
Tutkielman tavoitteena on selvittää, millä tavoin generatiivista tekoälyä voidaan hyödyntää uusien materiaalien suunnittelussa, rakenteiden mallintamisessa ja laskennallisessa simuloinnissa ja millaisia vaikutuksia sillä voi olla materiaalitutkimuksen tehokkuuteen, kustannuksiin ja kestävyyteen. Tutkielma on kirjallisuuskatsaus, jossa analysoidaan ajankohtaista tutkimusaineistoa sekä esitetään esimerkkitapauksia alan sovelluksista.
Työssä tarkastellaan tekoälyn toimintaperiaatteita, erityisesti transformer-pohjaisia malleja kuten GPT ja niiden soveltamista materiaalitieteen kontekstissa. Esimerkkitapauksissa esitetään, miten generatiivista tekoälyä on hyödynnetty esimerkiksi muodonmuistipolymeerien, bioinspiroitujen rakenteiden ja korkean entropian metalliseosten suunnittelussa. Lisäksi tarkastellaan, kuinka tekoälyä voidaan käyttää CIF-tiedostojen luomiseen kiteisten materiaalien rakenteiden mallintamiseksi. Tulokset osoittavat, että tekoäly voi tuottaa merkittäviä parannuksia materiaalien ominaisuuksiin, kuten esimerkiksi vetolujuuteen. Tekoäly myös nopeuttaa materiaalikehitystä ilman fyysisiä kokeita.
Tutkimusten mukaan generatiivinen tekoäly voi merkittävästi täydentää perinteisiä tutkimusmenetelmiä ja toimia tehokkaana suunnittelutyökaluna erityisesti datalähtöisissä sovelluksissa. Samalla havaitaan useita haasteita, kuten koulutusaineiston laadun ja laajuuden merkitys, tekoälymallien läpinäkyvyyden puute, sekä ympäristölliset ja eettiset kysymykset. ChatGPT:n kaltaiset mallit voivat tukea materiaalitutkijoita esimerkiksi koodin kirjoittamisessa tai alustavien rakenteiden luonnissa, mutta niiden käyttö vaatii asiantuntijan ohjausta ja kriittistä arviointia. Tämän perusteella generatiivinen tekoäly tarjoaa lupaavan, mutta vielä kehittyvän työkalun materiaalitieteen tutkimukseen ja tuotekehitykseen.
Tutkielman tavoitteena on selvittää, millä tavoin generatiivista tekoälyä voidaan hyödyntää uusien materiaalien suunnittelussa, rakenteiden mallintamisessa ja laskennallisessa simuloinnissa ja millaisia vaikutuksia sillä voi olla materiaalitutkimuksen tehokkuuteen, kustannuksiin ja kestävyyteen. Tutkielma on kirjallisuuskatsaus, jossa analysoidaan ajankohtaista tutkimusaineistoa sekä esitetään esimerkkitapauksia alan sovelluksista.
Työssä tarkastellaan tekoälyn toimintaperiaatteita, erityisesti transformer-pohjaisia malleja kuten GPT ja niiden soveltamista materiaalitieteen kontekstissa. Esimerkkitapauksissa esitetään, miten generatiivista tekoälyä on hyödynnetty esimerkiksi muodonmuistipolymeerien, bioinspiroitujen rakenteiden ja korkean entropian metalliseosten suunnittelussa. Lisäksi tarkastellaan, kuinka tekoälyä voidaan käyttää CIF-tiedostojen luomiseen kiteisten materiaalien rakenteiden mallintamiseksi. Tulokset osoittavat, että tekoäly voi tuottaa merkittäviä parannuksia materiaalien ominaisuuksiin, kuten esimerkiksi vetolujuuteen. Tekoäly myös nopeuttaa materiaalikehitystä ilman fyysisiä kokeita.
Tutkimusten mukaan generatiivinen tekoäly voi merkittävästi täydentää perinteisiä tutkimusmenetelmiä ja toimia tehokkaana suunnittelutyökaluna erityisesti datalähtöisissä sovelluksissa. Samalla havaitaan useita haasteita, kuten koulutusaineiston laadun ja laajuuden merkitys, tekoälymallien läpinäkyvyyden puute, sekä ympäristölliset ja eettiset kysymykset. ChatGPT:n kaltaiset mallit voivat tukea materiaalitutkijoita esimerkiksi koodin kirjoittamisessa tai alustavien rakenteiden luonnissa, mutta niiden käyttö vaatii asiantuntijan ohjausta ja kriittistä arviointia. Tämän perusteella generatiivinen tekoäly tarjoaa lupaavan, mutta vielä kehittyvän työkalun materiaalitieteen tutkimukseen ja tuotekehitykseen.