


AI mengetuai revolusi dalam sains bahan! Penyelidikan terbaharu Google DeepMind yang diterbitkan dalam Nature berjaya meramalkan 2.2 juta bahan baharu
Dengan hanya menggunakan satu AI, kami telah memperoleh pengetahuan bahawa manusia mengambil masa hampir 800 tahun untuk berkembang!
Ini ialah alat penemuan bahan yang baru dikaji oleh Google DeepMind, dan kertas kerja itu telah diterbitkan di Nature.
Dengan alat AI ini sahaja, mereka menemui 2.2 juta bahan kristal baharu yang secara teorinya stabil, bukan sahaja meningkatkan ketepatan meramalkan kestabilan bahan daripada 50% kepada 80%, tetapi juga 380,000 spesies telah diletakkan. ke dalam ujian.
Google DeepMind menyatakan bahawa memandangkan 28,000 bahan stabil hanya ditemui dalam tempoh 10 tahun yang lalu, penyelidikan ini bersamaan dengan hampir 800 tahun pengumpulan pengetahuan.
Pakar industri benar-benar membuka mata pada kelajuan kemajuan
Menurut Financial Times, profesor MIT Bilge Yildiz mengulas mengenai penyelidikan ini:
Pangkalan data kristal tak organik yang besar ini harus dibuat penuh dengan penemuan . "Permata" untuk memajukan penyelesaian kepada tenaga bersih dan cabaran alam sekitar.
Pada masa ini, topik ini telah menjadi topik hangat di Zhihu:
Jadi apakah jenis alat AI ini?
Apakah rupa alat baharu GNoME
Artikel ini mencadangkan alat baharu yang dipanggil GNoME (Rangkaian Grafik untuk Penerokaan Bahan).
Seni bina GNoME ialah rangkaian neural graf (GNN), di mana nod digunakan untuk mewakili atom dalam struktur kristal, dan tepi digunakan untuk mewakili hubungan ikatan dalam struktur kristal.
Seterusnya, GNoME menggunakan satu siri set data bahan stabil yang diketahui untuk latihan, termasuk Projek Bahan, Pangkalan Data Bahan Kuantum Terbuka (OQMD), dsb.
Alat ini menemui bahan baharu melalui pembelajaran aktif.
Pertama, hasilkan struktur calon berdasarkan bahan stabil yang diketahui; kemudian, GNoME akan menapis struktur calon ini
Sudah tentu, struktur yang pada mulanya disaring oleh GNoME tidak boleh digunakan secara langsung, tetapi perlu Kestabilan struktur disahkan berdasarkan Teori Fungsian Ketumpatan(DFT).
Seterusnya, struktur yang disahkan ini akan disalurkan kepada GNoME sekali lagi sebagai data latihan baharu untuk meningkatkan keupayaan ramalannya.
GNoME akhirnya menemui lebih daripada 2.2 juta struktur kristal baru yang stabil, yang merupakan hasil daripada kaedah ini
Pada masa yang sama, ia juga menunjukkan keupayaan generalisasi tertentu, walaupun untuk sel yang mengandungi lebih daripada 5 struktur unsur unik boleh diramalkan dengan tepat.
Jadi, apakah yang dilakukan oleh 2.2 juta bahan kristal stabil yang baru ditemui ini?
Untuk apa 2.2 juta jenis kristal
Pandangan yang paling intuitif ialah terdapat harapan untuk kemajuan dalam bidang bateri tenaga baharu (seperti sel suria), superkonduktor dan cip.
Walaupun GNoME pada masa ini hanya boleh mengira bahan kristal yang stabil secara teori, setelah sintesis eksperimen berjaya, sifatnya boleh dinilai
Bahan kristal stabil yang baru ditemui ini telah dinilai untuk sifat superkonduktor, feroelektrik, optoelektronik dan lain-lain digunakan dalam bidang seperti tenaga, komunikasi maklumat, dan penderiaan
Menurut laporan, penyelidik kini telah mensintesis 736 bahan di makmal untuk membuktikan bahawa kristal yang dikira oleh GNoME boleh disintesis.
Selain itu, bahan tersintesis juga boleh digunakan sebagai panduan untuk reka bentuk bahan baharu, atau sebagai set data baharu untuk melatih dan mengoptimumkan model AI yang lain.
Sebagai contoh, Makmal Kebangsaan Universiti California, Berkeley dan Lawrence Berkeley telah menggunakan bahan yang ditemui ini sebagai sebahagian daripada kerja percubaan mereka, dan kertas itu juga diterbitkan dalam Alam Semula Jadi.
Pasukan membina A-Lab dan berjaya mensintesis 41 sebatian daripada 58 bahan yang dikira, dengan lebih 70% kadar kejayaan.
Mengenai penyelidikan ini, beberapa netizen sudah membayangkan prospek bahan berlepas, seperti kemajuan perubatan:
Sesetengah netizen juga mengambil iktibar dari LK-99, yang beransur-ansur reda: sains bahan adalah belakang.
Sesetengah orang berharap bahan-bahan yang ditemui ini boleh memberi manfaat kepada seluruh umat manusia
Dalam bidang apa lagi yang anda fikir bahan ramalan AI ini boleh digunakan?
Atas ialah kandungan terperinci AI mengetuai revolusi dalam sains bahan! Penyelidikan terbaharu Google DeepMind yang diterbitkan dalam Nature berjaya meramalkan 2.2 juta bahan baharu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Artikel ini menerangkan cara menyesuaikan format log Apache pada sistem Debian. Langkah -langkah berikut akan membimbing anda melalui proses konfigurasi: Langkah 1: Akses fail konfigurasi Apache Fail konfigurasi Apache utama sistem Debian biasanya terletak di /etc/apache2/apache2.conf atau /etc/apache2/httpd.conf. Buka fail konfigurasi dengan kebenaran root menggunakan arahan berikut: Sudonano/etc/Apache2/Apache2.conf atau Sudonano/etc/Apache2/httpd.conf Langkah 2: Tentukan format log tersuai untuk mencari atau

Dalam sistem Debian, fungsi Readdir digunakan untuk membaca kandungan direktori, tetapi urutan yang dikembalikannya tidak ditentukan sebelumnya. Untuk menyusun fail dalam direktori, anda perlu membaca semua fail terlebih dahulu, dan kemudian menyusunnya menggunakan fungsi QSORT. Kod berikut menunjukkan cara menyusun fail direktori menggunakan ReadDir dan QSORT dalam sistem Debian:#termasuk#termasuk#termasuk#termasuk // fungsi perbandingan adat, yang digunakan untuk qSortintCompare (Constvoid*A, Constvoid*b) {Returnstrcmp (*(*(*(*(*(*(*(*(*(*(*(*(*(*(*(*(*(

Log Tomcat adalah kunci untuk mendiagnosis masalah kebocoran memori. Dengan menganalisis log tomcat, anda boleh mendapatkan wawasan mengenai kelakuan memori dan pengumpulan sampah (GC), dengan berkesan mencari dan menyelesaikan kebocoran memori. Berikut adalah cara menyelesaikan masalah kebocoran memori menggunakan log Tomcat: 1. GC Log Analysis terlebih dahulu, membolehkan pembalakan GC terperinci. Tambah pilihan JVM berikut kepada parameter permulaan TOMCAT: -XX: PrintGCDetails-XX: PrintGCDATestamps-XLogGC: GC.LOG Parameter ini akan menghasilkan log GC terperinci (GC.LOG), termasuk maklumat seperti jenis GC, saiz dan masa yang dikitar semula. Analisis GC.Log

Dalam sistem Debian, panggilan sistem Readdir digunakan untuk membaca kandungan direktori. Jika prestasinya tidak baik, cuba strategi pengoptimuman berikut: Memudahkan bilangan fail direktori: Split direktori besar ke dalam pelbagai direktori kecil sebanyak mungkin, mengurangkan bilangan item yang diproses setiap panggilan readdir. Dayakan Caching Kandungan Direktori: Bina mekanisme cache, kemas kini cache secara teratur atau apabila kandungan direktori berubah, dan mengurangkan panggilan kerap ke Readdir. Cafh memori (seperti memcached atau redis) atau cache tempatan (seperti fail atau pangkalan data) boleh dipertimbangkan. Mengamalkan struktur data yang cekap: Sekiranya anda melaksanakan traversal direktori sendiri, pilih struktur data yang lebih cekap (seperti jadual hash dan bukannya carian linear) untuk menyimpan dan mengakses maklumat direktori

Fungsi Readdir dalam sistem Debian adalah panggilan sistem yang digunakan untuk membaca kandungan direktori dan sering digunakan dalam pengaturcaraan C. Artikel ini akan menerangkan cara mengintegrasikan Readdir dengan alat lain untuk meningkatkan fungsinya. Kaedah 1: Menggabungkan Program Bahasa C dan Pipeline Pertama, tulis program C untuk memanggil fungsi Readdir dan output hasilnya:#termasuk#termasuk#includeintMain (intargc, char*argv []) {dir*dir; structdirent*entry; if (argc! = 2) {

Artikel ini menerangkan cara mengkonfigurasi peraturan firewall menggunakan iptables atau UFW dalam sistem debian dan menggunakan syslog untuk merakam aktiviti firewall. Kaedah 1: Gunakan IPTableSiptable adalah alat firewall baris perintah yang kuat dalam sistem Debian. Lihat peraturan yang ada: Gunakan arahan berikut untuk melihat peraturan iptables semasa: sudoiptables-l-n-v membolehkan akses IP tertentu: sebagai contoh, membenarkan alamat IP 192.168.1.100 untuk mengakses port 80: sudoiptables-ainput-pTCP-Dport80-S192.16

Panduan ini akan membimbing anda untuk belajar cara menggunakan syslog dalam sistem Debian. SYSLOG adalah perkhidmatan utama dalam sistem Linux untuk sistem pembalakan dan mesej log aplikasi. Ia membantu pentadbir memantau dan menganalisis aktiviti sistem untuk mengenal pasti dan menyelesaikan masalah dengan cepat. 1. Pengetahuan asas syslog Fungsi teras syslog termasuk: mengumpul dan menguruskan mesej log secara terpusat; menyokong pelbagai format output log dan lokasi sasaran (seperti fail atau rangkaian); Menyediakan fungsi tontonan log dan penapisan masa nyata. 2. Pasang dan konfigurasikan syslog (menggunakan rsyslog) Sistem Debian menggunakan rsyslog secara lalai. Anda boleh memasangnya dengan arahan berikut: sudoaptupdatesud

Mengkonfigurasi firewall pelayan Mail Debian adalah langkah penting dalam memastikan keselamatan pelayan. Berikut adalah beberapa kaedah konfigurasi firewall yang biasa digunakan, termasuk penggunaan iptables dan firewalld. Gunakan iptables untuk mengkonfigurasi firewall untuk memasang iptables (jika belum dipasang): sudoapt-getupdateudoapt-getinstalliplesview peraturan iptables semasa: konfigurasi sudoiptable-l
