GoogleDeepMindのマテリアルAIが220万の新しい結晶を発見：材料科学の革新

Home AIニュース GoogleDeepMindのマテリアルAIが220万の新しい結晶を発見：材料科学の革新

Google DeepMindとローレンスバークレー国立研究所の研究者たちは、GNoMEという革新的なAIシステムを開発し、バッテリー、太陽光パネル、コンピューターチップなどの技術に適した200万以上の新しい材料を特定しました。この研究は、学術誌『Nature』に2本の論文として発表されました。

1つ目の研究では、DeepMindが高度な深層学習技術を駆使し、GNoMEが前例のない効率で新しい材料構造を探索できるようにした方法が詳述されています。わずか17日間で、GNoMEは220万以上の潜在的に安定した無機結晶構造を特定し、そのうち700以上が実験的に検証されました。この成果は、従来認識されていた安定無機結晶の数をほぼ10倍に増加させるものです。

GNoMEは2つの発見方法を採用しています。1つは類似の結晶構造を生成する方法、もう1つはよりランダムなアプローチです。両方の方法の結果は、今後の学習のためGNoMEのデータベースを強化するためにテストされています。

2本目の論文では、GNoMEの予測がバークレー研究所の自律ロボットシステムによって検証された様子が紹介されています。17日の間に行われた連続自動実験では、システムは予測した58化合物のうち41を正確に合成し、71%という素晴らしい成功率を達成しました。

公開データベースでイノベーションを加速

これらの新しい材料に関するデータセットは、Materials Projectデータベースで公開されており、研究者は特定の性質を持つ材料を見つけるために構造を検索できます。例えば、この研究では、グラフェンのような52,000種類の新しい2D層状材料、従来の研究より25倍多い固体リチウムイオン導体、さらにはリチウムコバルト酸化物の代替となるかもしれない15種類のリチウムマンガン酸化物化合物が特定されました。

GNoMEが予測した736種類の材料は、世界中の科学者によって独立して確認されています。

自律ラボの高い成功率

GNoMEの能力は、高度なグラフニューラルネットワークに由来し、提案された結晶構造の安定性を数秒で予測します。この効率により、膨大な数のコンピュータ生成候補から最も有望なものを絞り込むことが可能になります。過去の機械学習技術が新材料のエネルギーや安定性の推定に苦しんでいたのに対し、研究者たちの手法は十分なデータと計算能力があれば深層学習が驚くべき洞察をもたらすことを示しています。

研究者たちは、「高い成功率は、自律材料発見のためのAI駆動プラットフォームの効果を示し、計算手法、歴史的知識、ロボティクスのさらなる統合を促す」と述べています。

材料科学の新しい時代

これらの研究は、科学的発見の未来や材料科学研究におけるAIの役割に大きな影響を持ちます。このAI主導のアプローチは、特定の応用に合わせた新材料の生成を大幅に加速させ、迅速なイノベーションや製品開発コストの削減を実現する可能性があります。AIと深層学習の統合により、労力を要する実験が最小限に抑えられ、科学者たちは新しい化合物の設計と分析に集中できる未来が待っています。

これらの進展は広範な影響を持ち、エネルギー貯蔵システムの向上や医療技術の進展など、複数の分野での革新を刺激する新たな章を材料科学にもたらすでしょう。材料発見の進化に伴い、人工知能、深層学習、科学研究のシナジーは、可能性の境界をさらに広げ続けています。

PerplexityAIが「オンライン」LLMを発表、Googleの検索支配に挑戦へ

デロイトが明かす2024年のグローバルテクノロジー、ゲーム、エンターテインメントトレンド予測