加州大學(xué)-Google DeepMind公(gōng)司（來源：Nature）_客戶案例_走進科(kē)晶

加州大學(xué)-Google DeepMind公(gōng)司（來源：Nature）

發布時間：2023-11-30

2023年11月29日，谷歌旗下的 DeepMind 利用(yòng)人工(gōng)智能(néng)（AI）預測了超過 200 萬種新(xīn)材料的結構，該公(gōng)司表示這一突破性成果将推動現實世界的技(jì )術改進。其相關研究成果已經在當地時間周三以題《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《Nature》上。

DeepMind 研究員在論文(wén)中(zhōng)指出，其假設的近 40 萬個材料設計中(zhōng)的大部分(fēn)很(hěn)快就可(kě)以在實驗室條件下生産(chǎn)出來。這項研究可(kě)以為(wèi)生産(chǎn)性能(néng)更好的電(diàn)池、太陽能(néng)電(diàn)池闆和計算機芯片提供幫助。通過使用(yòng) AI 預測這些新(xīn)材料的穩定性後，DeepMind 表示下一步的研究重心将轉向預測它們在實驗室中(zhōng)合成的難易程度。實際上，新(xīn)材料的發現和合成其實是一個十分(fēn)昂貴且耗時的過程，例如我們目前随處可(kě)見的锂離子電(diàn)池的商(shāng)業應用(yòng)過程經曆了大約 20 年的時間，其間耗費無數成本與心血。“我們希望通過實驗、自主合成和機器學(xué)習模型的巨大改進，将這個 10 到 20 年的時間縮短到一個更容易控制的範圍”，DeepMind 的研究員 Ekin Dogus Cubuk 說道。據介紹，DeepMind 的 AI 是基于 Materials Project 數據進行訓練的。這是一個于 2011 年在勞倫斯伯克利國(guó)家實驗室成立的國(guó)際研究組織，目前擁有(yǒu)約 5 萬種已知材料的研究成果。該公(gōng)司表示，現在将與研究界分(fēn)享其數據，以期加速材料發現的進一步突破。

據論文(wén)描述，GNoME 已将結構穩定預測的精(jīng)确性提高到 80% 以上，在預測成分(fēn)時每 100 次試驗的精(jīng)确度提高到 33%（相比之下，此前工(gōng)作(zuò)中(zhōng)該數字僅為(wèi) 1%）。

Google DeepMind 材料發現團隊負責人 Ekin Dogus Cubuk 表示：“我們希望 GNoME 項目能(néng)夠推動無機晶體(tǐ)研究的發展。外部研究人員已經通過獨立的物(wù)理(lǐ)實驗驗證了 GNoME 發現的 736 多(duō)種新(xīn)材料，證明了我們模型的發現可(kě)以在實驗室中(zhōng)實現。”

然而，研究團隊在論文(wén)中(zhōng)也指出，在實際應用(yòng)中(zhōng)，GNoME 仍存在一些開放性問題，其中(zhōng)包括由競争多(duō)形體(tǐ)引發的相變、振動輪廓和構型熵引起的動态穩定性，以及對最終合成能(néng)力的更深入理(lǐ)解。

為(wèi)了制造 Materials Project 預測的新(xīn)化合物(wù)，A-Lab 的 AI 通過研究科(kē)學(xué)論文(wén)并使用(yòng)主動學(xué)習進行調整，創造出了新(xīn)的配方。