L'IA mène la révolution dans la science des matériaux ! La dernière recherche de Google DeepMind publiée dans Nature a prédit avec succès 2,2 millions de nouveaux matériaux

En utilisant une seule IA, nous avons acquis la connaissance qu’il a fallu près de 800 ans aux humains pour se développer !

Il s'agit d'un outil de découverte de matériaux récemment étudié par Google DeepMind, et l'article a été publié sur Nature.

Grâce à cet outil d'IA seul, ils ont découvert 2,2 millions de nouveaux matériaux cristallins théoriquement stables, augmentant non seulement la précision de la prévision de la stabilité des matériaux de 50 % à 80 %, mais également 380 000 espèces ont été identifiées. dans les tests.

Google DeepMind a déclaré qu'étant donné que 28 000 matériaux stables n'ont été découverts qu'au cours des 10 dernières années, cette recherche équivaut à près de 800 ans d'accumulation de connaissances.

Les experts de l'industrie sont vraiment révélateurs de la vitesse du progrès

Selon le Financial Times, le professeur Bilge Yildiz du MIT a commenté cette recherche :

Cette base de données massive de cristaux inorganiques devrait être pleine de découvertes à faire. . « Gem » pour faire progresser les solutions aux défis liés aux énergies propres et à l'environnement.

Actuellement, ce sujet est devenu un sujet brûlant sur Zhihu :

Alors, de quel type d'outil d'IA s'agit-il ?

À quoi ressemble le nouvel outil GNoME ?

Cet article propose un nouvel outil appelé GNoME (Graph Networks for Materials Exploration).

L'architecture de GNoME est un réseau de neurones graphiques (GNN), dans lequel les nœuds sont utilisés pour représenter les atomes dans la structure cristalline, et les bords sont utilisés pour représenter les relations de liaison dans la structure cristalline.

Par la suite, GNoME a utilisé une série d'ensembles de données de matériaux stables connus pour la formation, notamment le projet Materials, la base de données Open Quantum Materials (OQMD), etc.

Cet outil découvre du nouveau matériel grâce à un apprentissage actif.

Tout d'abord, générez des structures candidates basées sur des matériaux stables connus ; ensuite, GNoME filtrera ces structures candidates

Bien sûr, les structures initialement sélectionnées par GNoME ne peuvent pas être utilisées directement, mais nécessitent une vérification de la stabilité structurelle basée sur la Densité. Théorie fonctionnelle(DFT).

Par la suite, ces structures vérifiées seront à nouveau transmises à GNoME en tant que nouvelles données d'entraînement pour améliorer ses capacités de prédiction.

GNoME a finalement découvert plus de 2,2 millions de nouvelles structures cristallines stables, résultat de cette méthode

En même temps, elle a également montré une certaine capacité de généralisation, même pour les cellules contenant plus de 5 éléments uniques. être prédit avec précision.

Alors, que font ces 2,2 millions de matériaux cristallins stables récemment découverts ?

À quoi servent les 2,2 millions de types de cristaux ?

Le point de vue le plus intuitif est qu'il y a de l'espoir de progrès dans les domaines des nouvelles batteries énergétiques (comme les cellules solaires), des supraconducteurs et des puces.

Bien que GNoME ne puisse actuellement calculer que des matériaux cristallins théoriquement stables, une fois la synthèse expérimentale réussie, ses propriétés peuvent être évaluées

Ces matériaux cristallins stables nouvellement découverts ont été évalués pour leurs propriétés supraconductrices, ferroélectriques, optoélectroniques et autres. être utilisé dans des domaines tels que l'énergie, les communications d'information et la détection

Selon les rapports, les chercheurs ont actuellement synthétisé 736 matériaux en laboratoire pour prouver que les cristaux calculés par GNoME peuvent être synthétisés.

De plus, les matériaux synthétisés peuvent également être utilisés comme lignes directrices pour la conception de nouveaux matériaux, ou comme nouveaux ensembles de données pour entraîner et optimiser d'autres modèles d'IA.

Par exemple, l'Université de Californie à Berkeley et le Laboratoire national Lawrence Berkeley ont utilisé ces matériaux découverts dans le cadre de leurs travaux expérimentaux, et l'article a également été publié dans Nature.

L'équipe a construit un A-Lab et a synthétisé avec succès 41 composés à partir de 58 matériaux calculés, avec un taux de réussite de plus de 70 %.

Concernant ces recherches, certains internautes imaginent déjà la perspective d'un essor des matériaux, comme les progrès de la médecine :

Certains internautes se sont également inspirés du LK-99, qui s'est progressivement atténué : la science des matériaux est dos.

Certaines personnes espèrent que ces matériaux découverts pourront être bénéfiques à l'ensemble de la race humaine

Dans quels autres domaines pensez-vous que ces matériaux de prédiction de l'IA peuvent être appliqués ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!