DeepMind veröffentlicht das KI-Tool GNoME, das angeblich 2,2 Millionen neue Kristallmaterialien erfolgreich entdeckt hat

Laut Nachrichten vom 1. Dezember hat DeepMind, eine Tochtergesellschaft von Google, kürzlich in der Zeitschrift „Nature“ sein eigenes KI-Tool GNoME vorgestellt und die damit verbundenen Anwendungen von KI in der Materialwissenschaft vorgestellt. Es wird berichtet, dass DeepMind GNoME verwendet hat, um 2.2 zu entdecken Millionen neue Kristalle. Darunter sind 380.000 Kristalle, die in Laboren hergestellt werden können und voraussichtlich in Batterien oder Supraleitern verwendet werden

Der Inhalt, der neu geschrieben werden muss, ist: ▲Bildquelle Deep Learning

In den aktuellen ICSD-Daten werden in Berechnungen von Materials Project und anderen Teams davon ausgegangen, dass sie sich in einem „stabilen Zustand“ befinden Nach einer Reihe von Berechnungen wurden weitere 28.000 Kristalle gefunden. Allerdings ist DeepMind davon überzeugt, dass die bisher verbesserten Berechnungsmethoden in der Industrie zwar die Entdeckung neuer Kristallstrukturen beschleunigen können, der Zeit- und Geldaufwand jedoch recht hoch ist.

DeepMinds neues Tool GNoME soll verschiedene bisherige Berechnungsmethoden durchbrochen haben und eine Reihe stabiler Kristallstrukturen genau vorhersagen und 2,2 Millionen Materialien erzeugen können. DeepMind behauptet, dass Wenn diese Berechnungen ausschließlich durch menschliche Kraft berechnet würden, wären 800 erforderlich Jahre.

Der Inhalt, der neu geschrieben werden muss, ist: ▲Bildquelle Deep Learning

Diese Website hat aus dem DeepMind-Bericht gelernt, dass GNoME bei der Entwicklung von Materialien sehr effizient ist. Das Modell hat insgesamt 52.000 neue Graphen-Schichtverbindungen entworfen. Bisher hatte der Mensch nur etwa 1.000 ähnliche Materialien identifiziert. Darüber hinaus entdeckte GNoME 528 potenzielle Lithium-Ionen-Leiter mit einer bis zu 25-fach höheren Leitfähigkeit als frühere Materialien. Wissenschaftler glauben, dass allein die oben genannten Entdeckungen den Energieverbrauch der derzeit in elektronischen Produkten verwendeten Batterien verbessern sollen.

Der Inhalt, der neu geschrieben werden muss, ist: ▲Bildquelle Deep Learning

DeepMind wies darauf hin, dass GNoME zwei Strategien zur Suche nach Materialien verwendet: Die eine besteht darin, Kandidaten auf der Grundlage bekannter Kristallstrukturen zu erstellen, die andere darin, Kandidaten zu erstellen B. auf Chemieunternehmen, um Kandidatenstrukturen auf stochastischere Weise zu untersuchen. Das Modell verwendet neuronale Netze, um die Ergebnisse beider Methoden gleichzeitig zu verarbeiten und zu analysieren, und nutzt Berechnungen der Dichtefunktionaltheorie, um die Stabilität dieser Materialkandidaten zu bewerten. Darüber hinaus verwendet GNoME auch die Methode „Aktives Lernen“, um die Genauigkeit und Effizienz der Kristallvorhersage zu verbessern und dadurch die Geschwindigkeit und Erfolgsquote bei der Entdeckung neuer Materialien erheblich zu verbessern

Der Inhalt, der neu geschrieben werden muss, ist: ▲ Abbildung Quelle Deep Learning

Das GNoME-Modell zielt darauf ab, die Kosten für die Entdeckung neuer Materialien zu senken. Derzeit haben Wissenschaftler auf der ganzen Welt 736 von GNoME vorhergesagte neue Materialien im Labor hergestellt, was die Genauigkeit und Machbarkeit der Kristallvorhersagen von GNoME beweist und DeepMind hat jetzt die neu entdeckte Kristalldatenbank von GNoME veröffentlicht, um Forscher beim Testen und Herstellen von Kandidatenmaterialien zu unterstützen.

Das obige ist der detaillierte Inhalt vonDeepMind veröffentlicht das KI-Tool GNoME, das angeblich 2,2 Millionen neue Kristallmaterialien erfolgreich entdeckt hat. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!