Google DeepMind 的材料 AI 發現 220 萬種新晶體：材料科學的突破

Home AI新聞 Google DeepMind 的材料 AI 發現 220 萬種新晶體：材料科學的突破

Updated on 十一月 29 2023

谷歌DeepMind和美國洛倫斯伯克利國家實驗室的研究人員在新型人工智慧系統GNoME的開發上取得了突破性的進展，該系統已識別出超過200萬種新材料，適用於電池、太陽能板和計算機晶片等技術。這項研究的兩篇論文已發表在《自然》期刊上。其中一項研究詳述了DeepMind如何利用先進的深度學習技術，使GNoME以前所未有的效率探索潛在材料結構。

在短短17天內，GNoME識別出220萬種潛在的穩定無機晶體結構，其中700多種經過實驗驗證。這一成就幾乎是先前所認識的穩定無機晶體數量的十倍。GNoME採用了兩種發現方法：一種生成相似的晶體結構，另一種則採取更隨機的方式。這兩種方法的結果互相測試，以增強GNoME的數據庫，以便為未來的學習提供支持。

第二篇論文描述了GNoME的預測如何通過伯克利實驗室的自主機器人系統進行驗證。在持續17天的自動化實驗中，該系統準確合成了58種預測化合物中的41種，成功率達到71%。

公開數據庫加速創新

這些新材料的數據集可通過Materials Project數據庫公開訪問，使研究人員能夠篩選結構，以識別適合真實應用的特定所需材料。例如，研究發現了52,000種可能的新型類似石墨烯的2D層狀材料，穩固的鋰離子導體數量是以往研究的25倍，並找到15種可替代電池中鋰鈷氧化物的鋰錳氧化物化合物。值得注意的是，736種GNoME預測的材料已被全球科學家獨立確認。

自主實驗室達成高成功率

GNoME的強大能力源自其先進的圖神經網絡，能在幾秒內預測提出的晶體結構的穩定性。這種高效性使得篩選大量計算機生成的候選材料至最有前景的選擇成為可能。儘管早期的機器學習技術在新材料的能量和穩定性估算上遇到挑戰，研究人員的方法則顯示，擁有足夠的數據和計算能力，深度學習能帶來顯著的見解。

研究人員表示：“這一高成功率顯示了基於人工智能的平台在自主材料發現中的有效性，並鼓勵進一步整合計算方法、歷史知識和機器人技術。”

材料科學的新時代

這些研究對未來的科學發現和人工智能在材料科學研究中的角色具有深遠的意義。這種人工智能驅動的方式有望顯著加快為特定應用量身定制新材料的創造，潛在地促進更快的創新並降低產品開發成本。人工智能與深度學習的結合預示著未來將可能減少或消除繁瑣的實驗室實驗，使科學家能專注於新化合物的設計和分析。

這些進展的影響深遠，開啟了材料科學的新篇章，能夠刺激多個領域的創新，從提升能量儲存系統到推動醫療技術的發展。隨著材料發現的演變，人工智能、深度學習和科學研究的協同作用不斷擴展可能性的邊界。

慶祝 ChatGPT 一週年：對世界的變革性影響

德勤揭示2024年全球科技、遊戲及娛樂趨勢預測