Bagaimana Dunia Innovations Mengindustrialisasi Penemuan Material dengan AI

Mengapa Penemuan Material Masih Lambat

Material baru adalah fondasi hampir semua teknologi modern—mulai dari baterai, semikonduktor, hingga katalis untuk energi bersih. Namun proses menemukannya biasanya sangat lambat dan mahal.

Dalam riset tradisional, ilmuwan mengikuti siklus yang dikenal sebagai Design → Make → Test → Analyze (DMTA). Setiap kandidat material harus dirancang, disintesis di laboratorium, diuji, lalu dianalisis sebelum peneliti mencoba kandidat berikutnya. Proses ini bisa memakan waktu bertahun‑tahun sebelum menghasilkan material yang benar‑benar berguna.

Di era AI, model komputasi dapat memprediksi ribuan kandidat material baru. Masalahnya, prediksi tersebut tetap harus diverifikasi secara eksperimental di dunia nyata—dan inilah tahap yang paling lambat.

Ide Dunia: Laboratorium yang “Mengemudi Sendiri”

Startup deep‑tech asal Berlin, Dunia Innovations, mencoba memecahkan hambatan tersebut dengan membangun laboratorium otonom berbasis AI.

Alih‑alih eksperimen manual satu per satu, platform Dunia menjalankan proses penemuan material secara closed‑loop—artinya setiap tahap penelitian saling terhubung dan berlangsung terus‑menerus.

Siklusnya kira‑kira seperti ini:

1. Design – Model AI berbasis fisika menghasilkan kandidat material baru dan memprediksi sifatnya.
2. Make – Sistem robotik di laboratorium mensintesis material yang diusulkan.
3. Test – Instrumen otomatis mengukur performa material tersebut.
4. Analyze – Data eksperimen kembali ke model AI untuk meningkatkan prediksi berikutnya.

Dengan mengotomatisasi seluruh siklus DMTA, platform ini dapat menghasilkan dataset eksperimen nyata jauh lebih cepat dibandingkan laboratorium tradisional.

Perusahaan menyebut pendekatan ini sebagai materials acceleration platform—sebuah sistem di mana AI belajar langsung dari hasil eksperimen nyata, bukan hanya dari simulasi atau data historis.

Peran Penting “Physics‑Informed AI”

Banyak model AI dalam kimia hanya mengandalkan korelasi statistik. Dunia menggunakan pendekatan berbeda: machine learning yang dipadukan dengan prinsip fisika dan kimia.

Model yang “physics‑informed” cenderung menghasilkan kandidat material yang tidak hanya terlihat bagus di atas kertas, tetapi juga lebih realistis untuk disintesis di laboratorium.

Menurut akselerator climate‑tech Third Derivative, kombinasi AI berbasis fisika dan eksperimen robotik berpotensi mempercepat penemuan material elektroaktif hingga 10 kali lebih cepat dengan biaya sekitar sepertiga dari proses R&D tradisional.

Fokus Awal: Energi Bersih dan Katalis

Penelitian awal Dunia menargetkan material yang penting untuk transisi energi global.

Contohnya:

• Elektrokatalis untuk produksi hidrogen hijau atau amonia
• Material untuk mengubah CO₂ menjadi bahan kimia atau bahan bakar
• Katalis baru untuk proses industri yang lebih rendah emisi

Banyak proyek ini berkaitan dengan power‑to‑X, yaitu teknologi yang mengubah listrik terbarukan menjadi bahan bakar atau bahan baku kimia.

Bidang katalis sangat cocok untuk eksperimen otomatis karena biasanya melibatkan ribuan kombinasi material yang harus diuji.

Kolaborasi Industri: Konsorsium ASCEND

Salah satu kolaborasi yang sudah terkonfirmasi adalah proyek ASCEND, sebuah konsorsium riset di Jerman untuk mempercepat penemuan katalis berbasis AI.

Anggota konsorsium meliputi:

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• Fritz Haber Institute (Max Planck Society)
• Technical University Berlin

Pemerintah federal Jerman menyediakan pendanaan sekitar €30 juta untuk proyek ini.

Tujuannya adalah menggabungkan pemodelan komputasi, eksperimen otomatis, dan pengalaman industri untuk menemukan katalis yang lebih efisien bagi industri intensif energi.

Pendanaan dan Dukungan Deep‑Tech

Didirikan pada tahun 2022, Dunia telah mengumpulkan sekitar €10,6 juta (sekitar $11,5 juta) untuk mengembangkan platform laboratorium otonomnya.

Investor yang mendukung startup ini antara lain:

• Elaia
• redalpine
• European Innovation Council (EIC)
• Pace Ventures
• Kindred Capital
• Deep Science Ventures
• Anglo American

Dukungan ini mencerminkan meningkatnya minat Eropa pada AI untuk penemuan ilmiah dan teknologi iklim.

Ekosistem Teknologi di Sekitar Lab Otonom

Walau beberapa laporan menyebut kemungkinan fasilitas besar di Berlin pada masa depan, dokumentasi publik saat ini terutama menegaskan teknologi platform Dunia, bukan detail fasilitas skala besar tersebut.

Namun secara lebih luas, beberapa teknologi industri yang berkembang saat ini dapat menjadi fondasi bagi laboratorium otonom semacam ini.

Contohnya:

• Siemens dan NVIDIA bekerja sama mengembangkan digital twin dan sistem AI industri untuk mensimulasikan sistem kompleks.
• ABB Robotics mengintegrasikan teknologi NVIDIA Omniverse ke platform RobotStudio untuk melatih dan mengoperasikan robot industri berbasis AI.

Teknologi seperti digital twin, simulasi AI, dan robotika otonom adalah komponen kunci untuk memperluas eksperimen ilmiah otomatis di masa depan.

Dampak bagi Deep Tech Eropa

Jika pendekatan seperti yang dikembangkan Dunia berhasil diskalakan, dampaknya bisa besar bagi ekosistem teknologi Eropa.

Laboratorium otonom berpotensi memberikan beberapa keuntungan besar:

• Siklus penemuan material jauh lebih cepat
• Dataset eksperimen nyata yang lebih besar untuk AI
• Biaya R&D lebih rendah
• Eksperimen dapat berjalan terus menerus, bukan proyek riset terpisah

Hal ini penting karena material canggih mendasari banyak industri—dari energi dan kimia hingga elektronik dan manufaktur.

Intinya

Dunia Innovations mewakili generasi baru infrastruktur ilmiah berbasis AI—di mana algoritma, robot, dan eksperimen dunia nyata bekerja sebagai satu sistem terpadu.

Teknologi inti perusahaan—penemuan material berbasis AI dalam sistem closed‑loop—sudah terdokumentasi dan digunakan untuk riset katalis serta material energi.

Sementara itu, klaim mengenai fasilitas raksasa seperti "GigaLab" di Berlin masih belum sepenuhnya terkonfirmasi dalam sumber publik.

Yang jelas, arah industrinya semakin terang: masa depan penemuan material mungkin bukan lagi laboratorium tradisional, melainkan pabrik riset otonom yang menjalankan eksperimen 24 jam sehari dengan bantuan AI dan robot.