AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

PHPz
發布: 2023-12-04 08:21:18
轉載
1152 人瀏覽過

只用一個AI,就獲取了人類接近800年才能搞出來的知識成果!

這是GoogleDeepMind新研究的一種材料發現工具,論文已經發表在Nature

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

僅憑這個AI工具,他們發現了220萬種理論上穩定的新晶體材料,不僅將預測材料穩定性的準確率從50%拉高到80%,而且38萬種已經投入測試中。

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

GoogleDeepMind表示,鑑於過去10年才發現28,000種穩定材料,這項研究相當於近800年的知識累積。

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

業內專家對進展之神速著實大開眼界

根據《金融時報》介紹,MIT教授Bilge Yildiz對這項研究評價稱:

這個無機晶體的海量資料庫中應該充滿了有待發掘的“寶石”,以推動解決清潔能源和環境挑戰的方案。

目前,這個話題已經成為知乎熱門話題:

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

#所以這究竟是一個什麼樣的AI工具?

新工具GNoME長啥樣

這篇文章提出了一個叫做GNoME(Graph Networks for Materials Exploration)的新工具。

GNoME的架構是圖神經網路(GNN),其中,節點用來表示晶體結構中的原子,邊用來表示晶體結構中的成鍵關係

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

隨後,GNoME採用一系列已知穩定材料資料集進行訓練,包括Materials Project、Open Quantum Materials Database(OQMD)等。

這個工具透過主動學習來發現新材料。

首先,根據已知的穩定材料,產生候選結構;然後,GNoME將對這些候選結構進行篩選

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

當然,GNoME最初篩選出來的結構也並非直接就能拿來用,而是需要基於密度泛函理論(DFT)驗證結構穩定性。

隨後,這些驗證後的結構,也會作為新的訓練資料再度餵給GNoME,用來改進它的預測能力。

GNoME最終發現了超過220萬種新的穩定晶體結構,這是基於此方法的成果

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

同時,也表現出一定泛化能力,甚至能對含有5種以上獨特元素的結構進行準確預測。

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

那麼,這個新發現的220萬種穩定晶體材料有什麼作用呢?

220萬種晶體用來做什麼

最直觀來看,當然是新能源電池(如太陽能電池)、超導體、晶片這些領域又有進展的希望了。

儘管GNoME目前只能計算出理論上穩定的晶體材料,但一旦實驗合成成功,就可以對其性質進行評估

這些新發現的穩定晶體材料在經過超導、鐵電、光電等性質評測後,可應用於能源、資訊通訊和感測等領域

據介紹,目前研究人員已在實驗室中合成了736種材料,以證明GNoME計算出來的晶體是可以被合成的。

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

除此之外,合成的材料也可能會作為新材料設計的指導、或是作為新的資料集來訓練和優化其他AI模型。

例如,加州大學柏克萊分校和勞倫斯柏克萊國家實驗室,就已經將這些發現的材料作為實驗工作的一部分,論文同樣發表在Nature上。

團隊建造了一個A-Lab實驗室,從58種計算出的材料中成功合成41種化合物,有超過70%的成功率

對於這項研究,有網友已經在想像材料起飛的前景了,例如藥學的進展:

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

還有網友cue了一波熱度逐漸平息下來的LK-99:材料學又回來了。

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

有人希望這些發現的材料對整個人類都能有好處

AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料

你認為這些AI預測材料還能在哪些領域中被應用?

以上是AI引領材料革命!谷歌DeepMind最新研究在Nature發表,成功預測220萬種全新材料的詳細內容。更多資訊請關注PHP中文網其他相關文章!

相關標籤:
來源:51cto.com
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板