Para ilmuwan di USC Viterbi telah membuat kemajuan luar biasa dengan Allegro-FM, sebuah model simulasi berbasis AI yang dapat memprediksi perilaku molekuler dari miliaran atom, menawarkan solusi yang menjanjikan untuk menciptakan beton netral karbon dan memerangi perubahan iklim.
Di era di mana perubahan iklim menjadi ancaman besar bagi planet kita, para ilmuwan di Fakultas Teknik USC Viterbi telah meluncurkan solusi yang menjanjikan. Mereka mengembangkan model kecerdasan buatan — Allegro-FM — yang dapat mensimulasikan perilaku miliaran atom secara bersamaan, yang berpotensi merevolusi desain dan produksi material seperti beton.
Realitas pemanasan global saat ini sungguh memprihatinkan, ditandai dengan kekeringan yang tak kunjung usai, mencairnya gletser, serta badai dan kebakaran hutan yang semakin parah. Emisi karbon dioksida yang tak henti-hentinya menjadi pemicu krisis lingkungan ini.
Namun terobosan terkini dari peneliti USC menawarkan secercah harapan.
Profesor USC Viterbi Aiichiro Nakano dan Ken-Ichi Nomura, memanfaatkan kolaborasi jangka panjang selama lebih dari dua dekade, untuk mengatasi tantangan ini dan mengembangkan Allegro-FM.
Model berbasis AI ini telah menghasilkan penemuan teoritis yang signifikan: kemungkinan menangkap kembali karbon dioksida yang dipancarkan selama produksi beton dan memasukkannya kembali ke dalam beton itu sendiri.
"Anda tinggal memasukkan CO₂ ke dalam beton, dan itu akan menghasilkan beton yang netral karbon," ujar Nakano, seorang profesor ilmu komputer, fisika dan astronomi, serta biologi kuantitatif dan komputasional di USC Viterbi, dalam siaran pers.
Produksi beton merupakan pencemar utama, menyumbang sekitar 8% emisi CO₂ global. Dengan mensimulasikan berbagai kimia beton secara virtual, Allegro-FM berpotensi mempercepat proses pengembangan beton yang tidak hanya berfungsi sebagai penyerap karbon tetapi juga menunjukkan peningkatan sifat mekanis.
Skalabilitas Allegro-FM merupakan aspek penting dari inovasinya.
Simulasi molekuler tradisional terbatas pada ribuan atau jutaan atom. Sebaliknya, Allegro-FM telah menunjukkan efisiensi yang luar biasa, mensimulasikan lebih dari 4 miliar atom dengan efisiensi 97.5% pada superkomputer Aurora di Laboratorium Nasional Argonne.
Kemampuan ini sekitar 1,000 kali lebih besar daripada metode konvensional.
"Beton adalah material yang sangat kompleks. Beton terdiri dari banyak elemen dan berbagai fase serta antarmuka. Jadi, secara tradisional, kami tidak memiliki cara untuk mensimulasikan fenomena yang melibatkan material beton. Namun sekarang kami dapat menggunakan Allegro-FM ini untuk mensimulasikan sifat mekanik [dan] sifat struktural," tambah Nomura, seorang profesor fisika dan astronomi di USC.
Beton tidak hanya memicu emisi karbon paling besar tetapi juga tahan api, menjadikannya bahan konstruksi pilihan di daerah rawan kebakaran hutan seperti Los Angeles.
Model AI menunjukkan bahwa beton netral karbon dapat menjadi alternatif yang layak di lingkungan seperti itu, yang mengatasi masalah emisi dan meningkatkan umur panjang.
Beton modern memiliki umur rata-rata sekitar 100 tahun, sementara beton Romawi kuno telah bertahan selama ribuan tahun. Nakano menjelaskan bahwa dengan menambahkan CO₂, "lapisan karbonat" yang dihasilkan dapat memperpanjang daya tahan material secara signifikan.
“Jika Anda menambahkan CO₂, yang disebut 'lapisan karbonat,' itu akan menjadi lebih kuat,” tambah Nakano.
Di balik pencapaian ini terletak kekuatan AI.
Secara tradisional, simulasi perilaku atom membutuhkan rumus matematika yang luas dan rumit yang didasarkan pada mekanika kuantum.
Namun, proses yang digerakkan oleh AI telah menyederhanakan hal ini dengan model pembelajaran mesin, membuat penelitian lebih cepat dan lebih efisien secara teknologi.
“Sekarang, karena terobosan AI pembelajaran mesin ini, alih-alih mendapatkan semua mekanika kuantum ini dari awal, para peneliti mengambil pendekatan dengan menghasilkan set pelatihan dan kemudian membiarkan model pembelajaran mesin berjalan,” tambah Nomura.
Potensi Allegro-FM melampaui beton, dengan aplikasi di berbagai bidang dengan mencakup 89 unsur kimia. AI ini dapat mensimulasikan fungsi interaksi antar atom secara lebih akurat dan efisien dibandingkan metode sebelumnya, yang memerlukan persamaan terpisah untuk unsur-unsur yang berbeda.
Karya perintis Nakano dan Nomura, diterbitkan dalam The Journal of Physical Chemistry Letters, menandai awal dari pendekatan revolusioner ini. Mereka berencana untuk terus menyempurnakan simulasi mereka guna mengeksplorasi geometri dan permukaan yang lebih kompleks.
Rekan penulis studi ini termasuk Priya Vashishta, seorang profesor teknik kimia dan ilmu material USC Viterbi, dan Rajiv Kalia, seorang profesor fisika dan astronomi USC.
Sumber: Sekolah Teknik USC Viterbi