„Akkor értem el sikert, ha miattam emberek mást fognak csinálni, mint addig”

• Csányi Gábor gyerekkora óta Angliában él, most a Cambridge-i Egyetem professzora, ott is kutat.
• Matematikát végzett, ma a kémia áll hozzá a legközelebb, közben az anyagok fizikai természetével foglalkozik, mindezt pedig igyekszik mesterséges intelligenciával szimulálni.
• MACE nevű fejlesztése jelenleg a világon a leggyorsabban és a legprecízebben szimulálja a részecskék viselkedését.
• Ez a külföldön is sikeres, magyarokat bemutató Kiment, bejött podcast adásának szerkesztett leirata.

444: Olyan kvantummechanikai szimulációt, programot fejlesztesz, amivel jobban megérthetjük és formálhatjuk a minket körülvevő anyagi világot. Indítsunk onnan, hogy mi az a kvantummechanika?

Csányi Gábor: A kvantummechanika a világunk alapegyenleteit írja le. Az atomok és az annál kisebb részecskék működését. Az anyag, amikor megérinted, akkor folytonos dolognak tűnik. Például ha van egy mikrofon, azon nem látok át, ha hozzányúlok, nem megy át rajta az ujjam. De ez csak mi érzékelésünk miatt van így, hiszen a szemem lát valamilyen felbontásban, az ujjam tapint valahogyan. De valójában az anyag nem homogén, és a kvantummechanika abban segít, hogy megértsük és elmesélhessük, hogy hogyan néz ki az anyag, és hogyan viselkednek benne a részecskék. Meg tudjuk érteni, hogy miért vannak molekulák, azok miért alakulnak át a kémiai reakciók során, miért vannak kristályok, fémek, miért forr fel vagy miért fagy meg a víz. Tehát nagyon pontos jóslatokat tudunk tenni a molekulákról, meg az anyagok viselkedéséről. Az viszont nagyon érdekes, hogy bár a viselkedésekhez kapcsolódó egyenleteket már le tudjuk írni, a viselkedés okát még ma sem tudjuk pontosan.

444: Viszont azt mondod, hogy ez a számolás baromi nehéz.

CsG: Ezek annyira bonyolultak, hogy nem kézzel, képletekkel számolunk, hanem szimulálni kell. A második világháború után, amikor bejöttek az elektronikus számítógépek, akkor érezték a tudósok, hogy ezekkel fogjuk majd az anyag viselkedését szimulálni. És ez a folyamat azóta is tart, ezt tökéletesítjük mi is.

444: Ezzel lényegében a kísérleteket spóroljuk meg?

CsG: Így is lehet mondani, de nem ez az elsődleges motiváció. Sokkal fontosabb, hogy olyan precíz kontrollom van az anyag fölött, ami egy kísérleti közegben sosem lesz meg. Illetve olyan nagy számokkal tudok dolgozni, amekkorákkal akarok, és sokkal tisztább is az egész: nincs például kosz vagy más oda nem illő anyag. A kísérleti tudomány éppen amiatt nehéz, mert az ember sosem pont azt számolja ki, amit eredetileg szeretett volna. Ilyen kvantummechanikai szimulációs programok már léteznek, mi most ennek a teljes cseréjén dolgozunk. Azt akarjuk, hogy ne kelljen minden egyes helyzetben újraszimulálni a programmal az anyag viselkedését, hanem hozzuk be a mesterséges intelligenciát, a gépi tanulást, ami sokkal gyorsabb, ráadásul folyamatosan gyorsuló számításokat fog eredményezni. Ha nem tudományról van szó, hanem mondjuk képfelismerésről, képalkotásról, akkor a bejövő információ az, hogy melyik pixel milyen színű, és azt kell megmondani, hogy ki van rajta. Az én esetemben pedig a bejövő információ az, hogy itt egy atom, hol van körülötte a többi atom, és ezek merre és hogyan mozdulnak el.

444: Tehát neked nem az a vége, hogy egyre tökéletesebb lesz az a kép, amit az a gép kidob, hanem az, hogy egyre precízebb lesz a részecskék viselkedésének leírása. Csakhogy a képalkotásnál azt nagyjából értem, hogy az AI honnan szívja be azt a rengeteg információt, amiből kiköpi a végeredményt. De a ti esetetekben hogy kerül be ennyi információ a rendszerbe?

CsG: Pont emiatt nem hittek bennünk eleinte. Amikor 2010 környékén publikáltuk az első tanulmányunkat, mindenki azt mondta, hogy nem lesz annyi információnk, amivel működne a rendszer. Akkor ugye már voltak képfelismerők, és lehetett látni, hogy sok millió kép kell ahhoz, hogy menjen a dolog. De ha egy képfelismerő vét is mondjuk egy 1%-os hibát, az már nagyon jó. Viszont nálunk ha százból egyetlen atom viselkedését rosszul modellezzük, akkor az egésznek semmi értelme. De kiderült, hogy nekünk nem kell olyan sok adat, és ami még fontosabb, hogy a gépi tanulás miatt egyre kevesebb és kevesebb kell. Ez az egész rendszer komoly hatással lehet a gyógyszeriparra, a mezőgazdaságra, és idővel el fogunk jutni oda, hogy minden szinten így érdemes majd szimulálni az anyagot, kristályokat, az üveget, polimereket. Ez a jövő. A programunkat egyébként MACE-nek hívjuk, és bizonyos tesztek alapján jelenleg a világ leggyorsabban, legprecízebben számoló programja.

444: Mikor mondanád, hogy sikeres volt a projekt?

CsG: A tudósok borzasztó egoista emberek, én is azt szoktam mondani, hogy az életem célja az, hogy az én hatásomra valaki mást csináljon, mint amit addig csinált. És ez minden elméleti tudósra igaz. Azt gondolom, hogy a programunk révén már van egy hírnevünk, és jól mutatja az igazunkat, hogy egyre többen kezdenek ilyen programok fejlesztésébe. Minden évben megkétszereződik a számuk.

444: Egy tudós fejében, vagy konkrétan a tiédben, ott motoszkál például a Nobel-díj, mint cél?

CsG: A Nobel-díjak története az emberi tudomány, az emberi zsenialitás története. Az, hogy konkrétan ki kapja a Nobel-díjat, azt azok értik igazán, akik vagy megkapták, vagy éppen nem. És itt sokféle történet van. Van olyan, amikor valakit kiemelnek, de ha az ember jobban megkapargatja a felszínt, akkor kiderül, hogy ő is ott volt, meg más is ott volt, meg még esetleg harmincan rajtuk kívül. Óriási viták vannak. Az én területem és azok a felfedezések, amiket én tettem, azokat nem érzem ennyire különlegesnek vagy ennyire egyértelműsíthetőnek. Mi gépi tanulás segítségével anyagokat szimulálunk. Ez nem egy Nobel-díjas felfedezés, itt nem tudsz rámutatni egy konkrét dologra. És a Nobel-díjat olyanoknak szeretik adni, vagy olyan felfedezésekért, ahol nagyon egyértelmű, hogy egy konkrét helyzetben volt egy zseniális ember, aki kitalált valami olyat, amit senki más. Az én területemen ilyen nincs nagyon, de ez nem baj. Nekem az a fontos, hogy az én saját kollégáim, a saját diákjaim elismerjék a munkámat, és ehhez nem kell Nobel-díj. Ebben az ember minél magasabb szintre jut, annál több erőforrás fölött diszponál, annál okosabb diákok jönnek hozzá. Persze, a Nobel-díj ennek a csúcsa, a Nobel-díjas tudós annyi pénzzel gazdálkodik, amennyivel csak akar, és a legjobb diákok őt keresik meg. De ahhoz, hogy nagyon élvezetesen töltsem a kutatóéveimet, ehhez nem kell Nobel-díj.

A teljes adásból kiderül, hogy miért nem tervez hazaköltözni Csányi Gábor, és szó esik más felfedezéseiről is. A műsor meghallgatható a 444 Spotify- és Apple Podcasts-csatornáján is.