谷歌 DeepMind 研究人员使用 AI 工具发现 200 万种新材料_google aithenticator

11 月 30 日消息:Google DeepMind 的研究团队通过人工智能工具 GNoME 发现了 220 万种理论上稳定但实验上未实现的晶体结构，这一成果在《自然》杂志上发表。这一发现的晶体结构数量是科学史上发现的数量的 45 倍以上，为可再生能源和先进计算等领域的发展提供了潜在的进步。

研究人员计划向其他科学家公开其中最有前景的 381，000 种结构，以便在太阳能电池到超导体等领域进行制造和测试。这一举措凸显了利用人工智能能够简化多年实验工作的潜力，并可能带来改进的产品和过程。

Ekin Dogus Cubuk，该论文的共同作者之一，表示：对我来说，材料科学基本上是抽象思维与物理宇宙的交汇点。很难想象有哪项技术不会因更好的材料而得到改进。

DeepMind 团队的目标是发现新的晶体，以补充之前计算出的已识别的 48，000 种。已知的物质范围从已知数千年的铜和铁，到更多最近的发现。

DeepMind 团队通过使用机器学习首先生成候选结构，然后评估它们的可能稳定性，从而识别出新材料。据 DeepMind 估计，基于过去十年发现的 28，000 种稳定材料，这些物质的数量相当于近 800 年以前实验获得的知识。

《自然》杂志中的论文指出：从微芯片到电池和光伏材料，无机晶体的发现一直受到昂贵的试错方法的限制。我们的工作代表了人类已知稳定材料数量的数量级扩展。

Cubuk 说，新化合物的两种潜在应用包括发明多功能分层材料和发展仿生计算，后者使用芯片模仿人脑的工作。

加州大学伯克利分校和劳伦斯伯克利国家实验室的研究人员已经利用这些发现作为创造新材料的实验工作的一部分，这在《自然》杂志上发表的另一篇论文中有所提及。

该团队部署了计算、历史数据和机器学习，以指导一个名为 A-lab 的自动化实验室，从 58 个目标清单中创建了 41 种新化合物——成功率超过 70%。

加州大学教授及论文共同作者 Gerbrand Ceder 表示，这一高成功率令人惊讶，甚至可能进一步提高。他补充说，改进的关键在于将 AI 技术与现有资源（如大量过去合成反应的数据集）结合使用。

他说：虽然 A-lab 的机器人技术很酷，但真正的创新是将各种知识和数据来源与 A-lab 结合起来，以智能地驱动合成。

麻省理工学院的 Bilge Yildiz 教授表示，这两篇《自然》杂志论文中概述的技术将使新材料能够以应对世界重大挑战所需的速度识别新材料，他没有参与这两项研究。

这个庞大的无机晶体数据库应该充满待发现的『宝石』，以推进清洁能源和环境挑战的解决方案，在麻省理工学院材料科学与工程以及核科学与工程系工作的 Yildiz 说。