谷歌DeepMind的材料AI发现220万种新晶体：材料科学的重大突破

Home AI News CN 谷歌DeepMind的材料AI发现220万种新晶体：材料科学的重大突破

Updated on 十一月 29 2023

谷歌DeepMind与劳伦斯伯克利国家实验室的研究人员在新材料发现领域取得了突破性进展，开发了GNoME这一新型人工智能系统。该系统已成功识别出超过200万种适用于电池、太阳能电池板和计算机芯片等技术的新材料。

相关研究成果已在《自然》杂志上发表，论文之一详细介绍了DeepMind如何利用先进的深度学习技术，使GNoME以空前的效率探索潜在材料结构。在短短17天内，GNoME识别出220万种可能稳定的新无机晶体结构，其中超过700种已通过实验验证。这一成就相较于以前识别的稳定无机晶体数量增长近十倍。

GNoME采用两种发现方法：一种生成相似的晶体结构，另一种采取更随机的探索方式。两种方法的结果均经过测试，以丰富GNoME的数据库，为未来的学习提供更多数据。

第二篇论文阐述了GNoME的预测如何通过伯克利实验室的自主机器人系统进行验证。在连续17天的自动化实验中，该系统成功合成了58种预测化合物中的41种，成功率达到71%。

公共数据库助力创新

这些新材料的数据集已通过材料项目数据库向公众开放，使研究人员能够筛选出具有特定所需性质的材料，以满足实际应用需求。例如，研究中识别出52000种类似于石墨烯的潜在新二维层状材料，比之前的研究多出25倍的固体锂离子导体，以及15种可能替代锂钴氧化物的新锂锰氧化物化合物。

值得注意的是，GNoME预测的736种材料已被全球科学家独立确认。

自主实验室实现高成功率

GNoME的能力源于其复杂的图神经网络，能够在几秒钟内预测所提议晶体结构的稳定性。这种高效性使得研究人员能够从大量计算生成的候选材料中筛选出最有前途的选项。

尽管早期的机器学习技术在估算新材料的能量和稳定性方面面临挑战，但研究人员的方法表明，足够的数据和计算能力结合深度学习能够提供突破性的见解。

“高成功率展示了人工智能驱动的平台在自主材料发现中的有效性，并鼓励进一步整合计算方法、历史知识和机器人技术，”研究人员表示。

材料科学的新纪元

这些研究对科学发现的未来和人工智能在材料科学研究中的角色具有深远的意义。这种以人工智能驱动的方法可能显著加速针对特定应用的新材料的创造，从而减少产品开发成本并加快创新步伐。

人工智能和深度学习的结合暗示了一个未来，其中繁重的实验室工作将大幅减少或被消除，使科学家们能够更加集中于新化合物的设计和分析。

这些进展的影响广泛，预示着材料科学的新篇章，将激发多个领域的创新，从提升能源存储系统到推进医疗科技。随着材料发现的演变，人工智能、深度学习和科学研究的协同作用不断扩大可能性边界。

23.5K

使用人工智能技术的潜在客户生成应用在现代市场中发挥着至关重要的作用。这些应用通过分析数据和识别趋势，帮助企业更有效地获取和转化潜在客户。结合先进的数据处理能力与智能算法，这些应用不仅提升了销售效率，还优化了营销策略，是企业成功的关键工具。

人工智能驱动 AI 领导力培养

20.6K

帮助企业成功引入HubSpot平台，进行CMS开发，以及实现HubSpot的全面集成和实施，这些服务旨在提升企业的市场营销效率和客户关系管理能力。

HubSpot钻石代理合作伙伴 AI广告助手

6.9K

Overtune是一个易于使用的音乐创作平台，旨在为用户提供快速和便捷的音乐制作体验。

音乐创作 AI唱歌生成器

40.1K

引入AI驱动的软件测试自动化平台，彻底改变了软件开发流程。通过智能化的测试管理与执行，这些先进的平台不仅显著提高了测试效率，还能降低错误率。无论是初创企业还是大型企业，AI驱动的测试解决方案都可以为它们的产品质量保障与时间成本优化提供强有力的支持。

人工智能驱动的测试平台其他

Find AI tools in YBX