Dunia Innovations đang công nghiệp hóa việc khám phá vật liệu bằng AI như thế nào

Vì sao khám phá vật liệu lại chậm đến vậy?

Vật liệu mới là nền tảng của gần như mọi công nghệ hiện đại — từ pin, chip bán dẫn cho tới chất xúc tác giúp sản xuất năng lượng sạch. Nhưng việc tìm ra vật liệu mới thường rất chậm và tốn kém.

Trong nghiên cứu vật liệu truyền thống, các nhà khoa học phải lặp lại chu trình Design → Make → Test → Analyze (DMTA): thiết kế vật liệu, tổng hợp trong phòng thí nghiệm, thử nghiệm hiệu suất và phân tích kết quả. Quá trình này có thể kéo dài nhiều năm trước khi tìm ra một vật liệu thực sự hữu ích.

Những năm gần đây, AI có thể dự đoán hàng nghìn vật liệu tiềm năng. Nhưng dự đoán trên máy tính vẫn chưa đủ: mọi ứng viên đều phải được tổng hợp và kiểm chứng bằng thí nghiệm thực — và chính bước này trở thành nút thắt lớn nhất.

Phòng thí nghiệm tự vận hành: AI + robot + dữ liệu thực

Startup deep‑tech Dunia Innovations tại Berlin đang xây dựng một hướng tiếp cận mới: phòng thí nghiệm tự động nơi AI và robot vận hành liên tục để tăng tốc nghiên cứu vật liệu.

Nền tảng của công ty hoạt động theo một vòng lặp khép kín:

1. Design (Thiết kế): AI dựa trên vật lý và hóa học đề xuất các vật liệu mới và dự đoán đặc tính của chúng.
2. Make (Tổng hợp): hệ thống robot phòng thí nghiệm tự động tạo ra các vật liệu được đề xuất.
3. Test (Thử nghiệm): thiết bị đo lường tự động đánh giá hiệu suất của vật liệu.
4. Analyze (Phân tích): dữ liệu thí nghiệm quay lại hệ thống AI để cải thiện các dự đoán tiếp theo.

Dunia tích hợp toàn bộ chu trình này thành một nền tảng khám phá vật liệu dạng closed‑loop, cho phép thí nghiệm chạy liên tục thay vì từng dự án riêng lẻ như trước đây.

Cách tiếp cận này còn được gọi là materials acceleration platform — một hệ thống dùng dữ liệu thực từ phòng thí nghiệm để huấn luyện AI và đẩy nhanh quá trình khám phá.

Vai trò của “physics‑informed AI”

Không phải mọi hệ thống AI trong hóa học đều giống nhau. Nhiều mô hình chỉ dựa trên tương quan thống kê trong dữ liệu.

Dunia kết hợp machine learning với các ràng buộc vật lý và hóa học, giúp mô hình đề xuất những vật liệu không chỉ có vẻ hứa hẹn trên lý thuyết mà còn có khả năng tổng hợp được trong thực tế.

Theo chương trình tăng tốc climate‑tech Third Derivative, sự kết hợp giữa AI có ràng buộc vật lý và robot thí nghiệm có thể giúp phát hiện vật liệu điện hóa nhanh gấp khoảng 10 lần và với chi phí chỉ bằng một phần ba so với R&D truyền thống.

Trọng tâm: năng lượng sạch và chất xúc tác

Ở giai đoạn đầu, Dunia tập trung vào các vật liệu then chốt cho quá trình chuyển đổi năng lượng.

Các hướng nghiên cứu chính gồm:

• Chất xúc tác điện hóa cho hydrogen xanh và ammonia xanh
• Vật liệu chuyển đổi CO₂ thành hóa chất hoặc nhiên liệu
• Chất xúc tác cho các quy trình công nghiệp cần khử carbon

Những ứng dụng này thường cần thử nghiệm hàng nghìn tổ hợp vật liệu khác nhau, vì vậy tự động hóa phòng thí nghiệm đặc biệt phù hợp để tăng tốc tiến độ.

Liên minh ASCEND trị giá 30 triệu euro

Một hợp tác công nghiệp quan trọng của Dunia là dự án ASCEND tại Đức.

Liên minh này quy tụ nhiều tổ chức nghiên cứu và doanh nghiệp lớn, bao gồm:

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• Viện Fritz Haber (Max Planck Society)
• Đại học Kỹ thuật Berlin

Chính phủ Đức đã cam kết 30 triệu euro cho chương trình nhằm tăng tốc phát triển chất xúc tác bằng AI và tự động hóa, hướng tới giảm phát thải cho các ngành công nghiệp tiêu tốn nhiều năng lượng.

Nguồn vốn và hệ sinh thái deep‑tech

Dunia được thành lập năm 2022 và đã huy động khoảng 10,6 triệu euro (khoảng 11,5 triệu USD) để mở rộng nền tảng phòng thí nghiệm tự vận hành của mình.

Các nhà đầu tư bao gồm:

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

Sự tham gia của các quỹ này phản ánh xu hướng mới ở châu Âu: đầu tư vào AI phục vụ khám phá khoa học và công nghệ khí hậu.

Hệ sinh thái công nghệ xung quanh phòng thí nghiệm AI

Trong ngành công nghiệp rộng hơn, nhiều công nghệ đang hình thành nền tảng cho các phòng thí nghiệm tự động quy mô lớn.

Ví dụ:

• Siemens và NVIDIA đang hợp tác phát triển hệ thống AI công nghiệp và công nghệ digital twin để mô phỏng hệ thống vật lý phức tạp.
• ABB Robotics tích hợp thư viện NVIDIA Omniverse vào RobotStudio để huấn luyện và triển khai robot công nghiệp với độ chính xác cao.

Các công nghệ như mô phỏng số, robot tự động và AI vật lý này chính là những “khối xây dựng” quan trọng cho các phòng thí nghiệm tự động trong tương lai.

Ý nghĩa với deeptech châu Âu

Nếu các hệ thống như của Dunia được mở rộng quy mô thành công, chúng có thể thay đổi cách khoa học vật liệu được thực hiện.

Một phòng thí nghiệm tự vận hành có thể:

• rút ngắn chu kỳ khám phá vật liệu
• tạo ra bộ dữ liệu thí nghiệm lớn cho AI
• giảm chi phí R&D
• cho phép thí nghiệm chạy liên tục 24/7

Điều này đặc biệt quan trọng vì vật liệu tiên tiến là nền tảng của nhiều ngành kinh tế: năng lượng, hóa chất, điện tử và sản xuất.

Châu Âu từ lâu đã mạnh về khoa học vật liệu, nhưng yếu hơn về hạ tầng AI quy mô lớn. Các nền tảng kết hợp AI với thí nghiệm vật lý tự động có thể giúp khu vực này giữ vững lợi thế trong cuộc đua deep‑tech toàn cầu.

Kết luận

Dunia Innovations đại diện cho một xu hướng mới: hạ tầng khoa học “AI‑native”, nơi thuật toán, robot và thí nghiệm vật lý hoạt động như một hệ thống thống nhất.

Công nghệ cốt lõi của công ty — khám phá vật liệu bằng vòng lặp AI khép kín — đã được áp dụng trong các dự án chất xúc tác và năng lượng.

Nếu mô hình phòng thí nghiệm tự vận hành này được triển khai rộng rãi, tương lai của nghiên cứu vật liệu có thể giống một “nhà máy khoa học” chạy 24/7, nơi AI thiết kế thí nghiệm và robot thực hiện chúng liên tục để tạo ra thế hệ vật liệu tiếp theo.