AI Siap Percepat Penemuan Sains dan Material, Sebut Profesor MIT

CAMBRIDGE, (Thursday, February 12, 2026)

Selama lebih dari satu dekade, Associate Professor Rafael Gómez-Bombarelli dari Massachusetts Institute of Technology (MIT) telah memanfaatkan Artificial Intelligence (AI) untuk menciptakan material baru. Dengan berkembangnya teknologi ini, ambisinya pun semakin meluas. Mengutip laporan dari MIT News, profesor yang baru saja memperoleh jabatan permanen di bidang ilmu dan teknik material ini meyakini bahwa AI siap untuk mengubah sains dengan cara yang belum pernah terjadi sebelumnya, dan ia mendedikasikan karyanya di MIT untuk mempercepat masa depan tersebut.

"Kita berada di titik infleksi kedua," ujar Gómez-Bombarelli. "Yang pertama adalah sekitar tahun 2015 dengan gelombang pertama representation learning, Generative AI, dan high-throughput data di beberapa bidang sains. Itu adalah beberapa teknik yang pertama kali saya bawa ke lab saya di MIT. Sekarang saya pikir kita berada di titik infleksi kedua, mencampurkan bahasa dan menggabungkan multiple modalities ke dalam general scientific intelligence. Kita akan memiliki semua kelas model dan scaling laws yang dibutuhkan untuk bernalar tentang bahasa, bernalar tentang struktur material, dan bernalar tentang resep sintesis."

Penelitian Gómez-Bombarelli menggabungkan simulasi berbasis fisika dengan pendekatan seperti Machine Learning dan Generative AI untuk menemukan material baru dengan aplikasi dunia nyata yang menjanjikan. Karyanya telah menghasilkan material baru untuk baterai, katalis, plastik, dan organic light-emitting diodes (OLED). Ia juga turut mendirikan beberapa perusahaan dan menjabat di dewan penasihat ilmiah untuk startup yang menerapkan AI pada penemuan obat, robotik, dan lainnya. Perusahaan terbarunya, Lila Sciences, berupaya membangun scientific superintelligence platform untuk industri ilmu hayati, kimia, dan material.

Semua karyanya dirancang untuk memastikan masa depan penelitian ilmiah menjadi lebih mulus dan produktif daripada penelitian saat ini. "AI untuk sains adalah salah satu penggunaan AI yang paling menarik dan aspiratif," kata Gómez-Bombarelli. "Aplikasi lain untuk AI memiliki lebih banyak kekurangan dan ambiguitas. AI untuk sains adalah tentang membawa masa depan yang lebih baik ke depan waktu."

Dari Eksperimen ke Simulasi

Gómez-Bombarelli tumbuh besar di Spanyol dan tertarik pada ilmu fisika sejak usia dini. Pada tahun 2001, ia memenangkan kompetisi Kimia Olimpiade, yang membawanya ke jalur akademik dalam kimia di Universitas Salamanca. Ia melanjutkan studi PhD-nya, meneliti fungsi bahan kimia perusak DNA.

"PhD saya dimulai secara eksperimental, dan kemudian saya terpikat oleh bug simulasi dan ilmu komputer sekitar pertengahan," katanya. "Saya mulai mensimulasikan reaksi kimia yang sama yang saya ukur di laboratorium. Saya suka cara pemrograman mengatur otak; rasanya seperti cara alami untuk mengatur pemikiran seseorang. Pemrograman juga jauh lebih tidak terbatas oleh apa yang bisa Anda lakukan dengan tangan atau dengan instrumen ilmiah."

Selanjutnya, Gómez-Bombarelli pergi ke Skotlandia untuk posisi postdoctoral, di mana ia mempelajari efek kuantum dalam biologi. Melalui pekerjaan itu, ia terhubung dengan Alán Aspuru-Guzik, seorang profesor kimia di Harvard University, yang ia ikuti untuk postdoc berikutnya pada tahun 2014.

"Saya adalah salah satu orang pertama yang menggunakan Generative AI untuk kimia pada tahun 2016, dan saya berada di tim pertama yang menggunakan Neural Networks untuk memahami molekul pada tahun 2015," kata Gómez-Bombarelli. "Itu adalah masa-masa awal deep learning untuk sains."

Gómez-Bombarelli juga mulai bekerja untuk menghilangkan bagian manual dari simulasi molekuler guna menjalankan lebih banyak eksperimen high-throughput. Ia dan kolaboratornya akhirnya melakukan ratusan ribu perhitungan di berbagai material, menemukan ratusan material yang menjanjikan untuk diuji.

Setelah dua tahun di laboratorium, Gómez-Bombarelli dan Aspuru-Guzik memulai perusahaan komputasi material serbaguna, yang kemudian beralih fokus untuk memproduksi organic light-emitting diodes. Gómez-Bombarelli bergabung dengan perusahaan tersebut penuh waktu dan menyebutnya sebagai hal tersulit yang pernah ia lakukan dalam karirnya.

Pada tahun 2018, Aspuru-Guzik menyarankan Gómez-Bombarelli untuk melamar posisi baru di Departemen Ilmu dan Teknik Material MIT. "Segala sesuatu yang saya lakukan sebagai postdoc dan di perusahaan akan menjadi bagian dari apa yang bisa saya lakukan di MIT," katanya. "Saya membuat produk, dan saya masih bisa melakukannya. Tiba-tiba, dunia kerja saya adalah bagian dari dunia baru ini di mana saya bisa menjelajahi dan melakukan banyak hal."

Sembilan tahun telah berlalu sejak Gómez-Bombarelli bergabung dengan MIT. Saat ini, laboratoriumnya berfokus pada bagaimana komposisi, struktur, dan reaktivitas atom memengaruhi kinerja material. Ia juga menggunakan simulasi high-throughput untuk menciptakan material baru dan membantu mengembangkan alat untuk menggabungkan deep learning dengan physics-based modeling.

"Simulasi berbasis fisika membuat data dan algoritma AI menjadi lebih baik semakin banyak data yang Anda berikan kepada mereka," kata Gómez-Bombarelli. "Ada berbagai siklus positif antara AI dan simulasi."

Kelompok penelitian yang ia bangun bersifat komputasional murni—mereka tidak melakukan eksperimen fisik. "Ini adalah berkah karena kami dapat memiliki cakupan yang luas dan melakukan banyak hal sekaligus," katanya. "Kami senang bekerja dengan para eksperimentalis dan berusaha menjadi mitra yang baik bagi mereka. Kami juga senang menciptakan alat komputasi yang membantu para eksperimentalis menyaring ide-ide yang berasal dari AI."

Gómez-Bombarelli juga masih berfokus pada aplikasi dunia nyata dari material yang ia ciptakan. Laboratoriumnya bekerja sama erat dengan perusahaan dan organisasi seperti MIT's Industrial Liaison Program untuk memahami kebutuhan material sektor swasta dan hambatan praktis pengembangan komersial.

Mempercepat Sains

Seiring dengan meningkatnya antusiasme terhadap Artificial Intelligence, Gómez-Bombarelli telah melihat bidang ini berkembang. Perusahaan seperti Meta, Microsoft, dan DeepMind milik Google kini secara rutin melakukan simulasi berbasis fisika yang mirip dengan apa yang ia kerjakan pada tahun 2016. Pada bulan November, Departemen Energi A.S. meluncurkan Genesis Mission untuk mempercepat penemuan ilmiah, keamanan nasional, dan dominasi energi menggunakan AI.

"AI untuk simulasi telah berubah dari sesuatu yang mungkin bisa berfungsi menjadi pandangan ilmiah yang konsensus," kata Gómez-Bombarelli. "Kita berada di titik infleksi. Manusia berpikir dalam natural language, kita menulis makalah dalam natural language, dan ternyata large language models yang telah menguasai natural language telah membuka kemampuan untuk mempercepat sains. Kita telah melihat bahwa scaling berhasil untuk simulasi. Kita telah melihat bahwa scaling berhasil untuk bahasa. Sekarang kita akan melihat bagaimana scaling berhasil untuk sains."

Dampak bagi Indonesia

Penemuan dan kemajuan di bidang AI untuk sains, khususnya dalam penciptaan material baru seperti yang ditekuni oleh Profesor Rafael Gómez-Bombarelli, memiliki potensi dampak yang signifikan bagi Indonesia. Sebagai negara dengan kekayaan sumber daya alam dan ambisi besar di sektor industri, Indonesia dapat memanfaatkan inovasi ini dalam beberapa aspek:

1. Akselerasi Riset Material Lokal: Institusi penelitian dan universitas di Indonesia dapat mengadopsi pendekatan AI-driven untuk mempercepat penemuan dan optimasi material. Misalnya, untuk pengembangan baterai yang lebih efisien bagi ekosistem kendaraan listrik, material konstruksi yang lebih kuat dan ramah lingkungan, atau katalis baru untuk industri petrokimia dan energi terbarukan yang relevan dengan potensi sumber daya alam Indonesia.
2. Peningkatan Daya Saing Industri: Dengan akses ke material yang didesain AI, industri manufaktur di Indonesia dapat menciptakan produk dengan kinerja superior, mengurangi biaya pengembangan, dan mempercepat time-to-market. Ini bisa meningkatkan daya saing global, terutama di sektor otomotif, elektronik, dan bahan kimia.
3. Inovasi Energi Terbarukan: Indonesia memiliki target ambisius dalam energi terbarukan. AI dapat membantu dalam menemukan material fotovoltaik yang lebih efisien, sistem penyimpanan energi yang lebih baik, atau bahan bakar alternatif yang berkelanjutan, mendukung transisi energi hijau di Indonesia.
4. Pengembangan Sumber Daya Manusia: Adopsi AI dalam riset dan pengembangan material akan mendorong kebutuhan akan talenta di bidang Machine Learning, ilmu data, dan ilmu material. Ini menjadi peluang bagi lembaga pendidikan untuk mengembangkan kurikulum yang relevan dan meningkatkan kapasitas SDM lokal dalam ekosistem teknologi maju.
5. Potensi Investasi dan Kolaborasi: Kemajuan ini juga membuka peluang bagi investasi asing dan kolaborasi internasional dalam R&D di Indonesia, menghubungkan ekosistem inovasi lokal dengan pusat-pusat penelitian terkemuka dunia seperti MIT.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.