Shenzhen, China (Xinhua/Indonesia Window) – Tim peneliti China memperkenalkan agen kecerdasan buatan (AI) kolaboratif ringan dengan model ganda untuk penelitian material, yang membuat AI tidak hanya mampu ‘berpikir’ tetapi juga ‘bertindak’.

Agen yang diberi nama MatBrain tersebut meningkatkan akurasi prediksi secara komprehensif dalam ilmu material sebesar 66 persen dibandingkan model-model besar, termasuk GPT-5 dan DeepSeek-R1, sekaligus memangkas biaya penerapan perangkat keras hingga 95 persen. Temuan tersebut telah dipublikasikan dalam jurnal Nature Machine Intelligence pada Kamis (10/9).

Ilmu material merupakan bidang yang mempelajari struktur, sifat, dan perilaku berbagai material, seperti logam, keramik, polimer, dan komposit, dengan fokus pada pemahaman serta pengembangan material untuk berbagai penerapan yang bermanfaat.

Pendekatan kolaboratif yang ringan ini jauh lebih unggul daripada model besar serbaguna terdepan dalam tugas-tugas seperti prediksi sifat material dan desain struktur kristal.

Dikembangkan oleh Pusat Kecerdasan Buatan Material Institut Teknologi Mutakhir Shenzhen (Shenzhen Institutes of Advanced Technology/SIAT) di bawah naungan Akademi Ilmu Pengetahuan China, MatBrain terdiri atas dua model ringan, yakni Mat-R1 dan Mat-T1.

Mat-R1 berfungsi sebagai ‘pakar material’ yang menangani pemahaman pengetahuan, penalaran ilmiah, dan evaluasi hasil, sedangkan Mat-T1 berperan sebagai ‘pelaksana penelitian’ yang mengakses basis data material, model pembuatan struktur, dan perangkat lunak komputasional. Kedua model tersebut bekerja melalui siklus berulang ‘eksekusi-analisis-umpan balik-eksekusi ulang’ untuk menyelesaikan tugas penelitian.

Penelitian material konvensional biasanya membutuhkan siklus pengembangan yang panjang, mulai dari validasi konsep hingga penerapan, yang melibatkan analisis teoretis secara berkelanjutan, skrining berbasis komputasi, serta proses coba ralat (trial and error) melalui eksperimen.

Dalam praktiknya, penalaran ilmiah dan penggunaan alat merupakan tugas yang sangat berbeda. Sebuah model besar harus memilih di antara berbagai alat perangkat lunak, menyusun parameter yang tepat, membaca hasil antara, dan secara fleksibel menentukan langkah berikutnya. Tidak ada satu jalur efektif yang dapat diterapkan pada semua jenis tugas.

"Sulit untuk unggul dalam penalaran ilmiah dan penggunaan alat penelitian secara bersamaan dalam satu model ringan," kata Shi Tongyu, salah satu penulis makalah tersebut sekaligus peneliti pascadoktoral di SIAT. "Beralih ke model serbaguna dengan ratusan miliar parameter memang dapat meningkatkan kemampuan penelitian, tetapi menimbulkan biaya komputasi dan penerapan yang sangat besar."

Untuk mengatasi masalah ini, tim tersebut mengembangkan MatBrain. Mat-R1 dengan 30 miliar parameter menangani proses ‘berpikir’, yakni memahami struktur dan sifat material, menilai apakah hasil komputasi masuk akal, serta menentukan arah penelitian berikutnya.

Sementara itu, Mat-T1 dengan 14 miliar parameter menangani proses ‘bertindak’, yakni mengakses basis data material, model pembuatan struktur kristal, dan program kalkulasi sifat material.

"Kedua model tersebut memiliki peran dan pembagian kerja yang jelas. Jika hasilnya tidak masuk akal atau informasinya tidak memadai, Mat-R1 akan mengusulkan persyaratan penelitian baru agar Mat-T1 dapat melanjutkan eksekusinya," kata Shi.

Hasil penelitian menunjukkan bahwa MatBrain mampu menyelesaikan tugas-tugas penelitian material, termasuk pembuatan struktur, prediksi sifat, analisis stabilitas, dan perencanaan rute sintesis, serta turut berperan dalam penemuan material yang bersifat open-ended.

Dalam penerapan elektrokatalis, model tersebut menyelesaikan seluruh rantai penelitian, mulai dari pembentukan hipotesis ilmiah dan pembuatan 30.000 struktur kandidat hingga skrining komputasional multitahap dan validasi eksperimental.

Laporan: Redaksi