国际新闻
发现220万种新材料!谷歌DeepMind最新研讨成果再引轰动(dong):人工智能模子GNoME利用机器学习倾覆材料学,预测,举行,结构
2023-12-07 03:31:10

每经记者:蔡鼎 每经编纂:兰(lan)素英

重新动(dong)力汽车电池到太阳能电池,再到较量争(zheng)论(lun)机芯片等诸多领域(yu),一旦有新材料发现,无疑(yi)可加快技术层面的突破。不过,新材料的研发通常需要科学家们花费数月甚(shen)至数年的时候(hou)举行反(fan)复试验(yan)和验(yan)证。然而,谷歌旗下DeepMind克日公(gong)布的一项研讨或将(jiang)极大加快新材料正在众多科技领域(yu)的应用速度。

谷歌DeepMind的研讨团队通过人工智能工具“材料索(suo)求图(tu)形收集(以下简称GNoME)”发现了多达220万种理论(lun)上稳定,但绝大部份正在实行上还没(mei)有实现的晶体结构,这(zhe)一成果于11月29日正在顶刊《自(zi)然(Nature)》杂(za)志上发表。

GNoME发现的晶体结构数量是科学史(shi)上发现的此类物资数量的45倍以上,业内以为,这(zhe)项技术为可再生动(dong)力和先辈(bei)较量争(zheng)论(lun)芯片等领域(yu)的进展供应新途(tu)径。

GNoME稳定性预测精度正在迭代学习中迅速进步

据悉,这(zhe)项被称为GNoME的人工智能模子旨正在预测无机晶体结构,即原子的反(fan)复排列,使某种材料具有特殊的性质。迄今为止,人类已知的大约只(zhi)有48000种无机晶体。

此次GNoME模子将(jiang)这(zhe)个数字扩展到多达220万种。Deepmind称,正在这(zhe)220万种新晶体结构中,其中有38万个稳定的晶体结构有望通过实行分解,有现实的应用远(yuan)景,可能进展出“未来的变革(ge)性技术”,例如超导材料和下一代电池材料等。GNoME“正在人类已知的稳定材估中实现了数量级的扩展,发现了大约800年来具有反(fan)动(dong)性潜(qian)力的新材料。”

为了发现更多新材料,DeepMind团队连系了两种不同的深(shen)度学习模子。第一种是通过对现有材估中的元素举行点窜,产生了凌驾(jia)10亿个结构。第二种要领则抛开现有的材料结构,完整凭据化(hua)学式来预测新材料的稳定性。这(zhe)两种深(shen)度学习模子的连系,为新材料的发现供应了更广泛的可能性。

DeepMind发表正在《自(zi)然》上的论(lun)文

候(hou)选的新材料结构生成后(hou),研讨职员通过GNoME模子举行挑选。该模子可以预测特定结构的剖析能量(decomposition energy),这(zhe)是权衡材料稳定程度的紧张目标(biao)。只(zhi)有“稳定”、不容易剖析的材料,能力对产业用途(tu)产生紧张意义。因此,GNoME会预测并选择最具有应用远(yuan)景的材料,并凭据已知的理论(lun)框架对其举行进一步评估。

据悉,上述过程会被DeepMind团队反(fan)复多次,且每一次的发现都会被归入下一次的锻(duan)炼中。固(gu)然第一轮的测试中,GNoME预测不同材料稳定性的精度仅为5%摆布,但正在整个迭代学习的过程中,GNoME的预测精度迅速进步。终究的结果表明,GNoME正在第一个模子中预测结构稳定性的精度已经凌驾(jia)80%,正在第二个模子中精度则进步到了33%。

固(gu)然新结构中的一些可能会衰变成更稳定的形式,大概不可能完整创建,但DeepMind团队已经正在实行室中成功(gong)创造出了736种GNoME所发现的新材料,包含碱土金刚(gang)石样光学材料(Li4MgGe2S7)和潜(qian)正在的超导体(Mo5GeB2),现正在正正在举行测试。

GNoME预测的各(ge)种新材料的晶体结构 图(tu)片来源:DeepMind

DeepMind的上述论(lun)文共(gong)同作者之一、材料研发主管Dogus Cubuk称,“对我来讲,材料科学基(ji)本上是抽象头脑与物理宇宙的交(jiao)汇点,很难(nan)设想有哪项技术不会因更好的材料而获得(de)革(ge)新。”

麻省理工学院材料科学与工程传(chuan)授Ju Li以为,GNoME可以被视为材料发现领域(yu)的“阿尔法Fold”。“阿尔法Fold”是DeepMind于2020年推出的人工智能系统,能够高精度地预测蛋白质结构,并正在生物研讨和药物发现方面取得(de)了庞大希(xi)望。Ju Li称,得(de)益于GNoME的强大能力,人类已知稳定材料的数量增进了近10倍,达到42.1万种。

GNoME已发现500多种有应用远(yuan)景的锂离子导体

《逐日经济旧事》记者注意到,实在利用人工智能模子制造新材料并不是DeepMind开创——由美(mei)国劳(lao)伦斯伯克利国度实行室Kristin Persson领导的“材料项目(Materials Project)”已经利用类似的技术发现并进步了48000种材料的稳定性。该实行从材料数据库中获取数据,其中包含了GNoME的一些发现,并利用机器学习和机器臂,正在没(mei)有人类干(gan)涉(she)干(gan)与的环境下设计新材料。

图(tu)片来源:伯克利国度实行室

然而,GNoME发现的新材料正在规模和精度上都使其有别于劳(lao)伦斯伯克利国度实行室的事情(qing)。

明尼苏(su)达大学化(hua)学工程与材料科学助理传(chuan)授Chris Bartel以为,与之前的任(ren)何模子相比,GNoME的锻(duan)炼数据至少(shao)多了一个数量级。马里兰(lan)大学材料科学与工程系副传(chuan)授Yifei Mo也(ye)指出,从前举行类似的研讨不但成本高昂,并且规模无限,GNoME可让这(zhe)些新材料的发现以更高的精度和更低的较量争(zheng)论(lun)成本举行扩展,“影(ying)响多是巨大的。”

更紧张的是,DeepMind团队已经与伯克利国度实行室睁开互助,并创建了一个能够自(zi)立分解这(zhe)些新晶体的机器人实行室,名为A-Lab。新材料被发现后(hou),将(jiang)这(zhe)些材料分解并验(yan)证它们的用途(tu)也(ye)同样紧张。A-Lab也(ye)一直正在将(jiang)GNoME的一些发现与其“材料项目”成果连系,即将(jiang)机器人技术与机器学习相连系,以优化(hua)这(zhe)些材料的后(hou)续开辟。

DeepMind和伯克利实行室的研讨职员透露表现,这(zhe)些新人工智能工具可以帮助加快动(dong)力、较量争(zheng)论(lun)机和很多其他领域(yu)的硬件创新。例如,锂离子电池导体就是GNoME人工智能模子发现的新材估中最有应用远(yuan)景的案例之一。DeepMind称,GNoME已发现了528 种有应用远(yuan)景的锂离子导体,其中一些可能有助于进步电动(dong)车电池的服(fu)从。

然而,即使正在新材料被发现之后(hou),通常也(ye)需要几十年的时候(hou)能力将(jiang)其推向商业应用阶段。Dogus Cubuk正在旧事发布会上称,“如果我们能把这(zhe)个从发现到应用的过程收缩到5年,那将(jiang)是一个很大的进步。”

逐日经济旧事

? ? ? ? ? ? ? ? ?