加州大學(xué)-Google DeepMind公司（來(lái)源：Nature）_客戶案例_走進(jìn)科晶

加州大學(xué)-Google DeepMind公司（來(lái)源：Nature）

發(fā)布時(shí)間：2023-11-30

2023年11月29日，谷歌旗下的 DeepMind 利用人工智能（AI）預(yù)測(cè)了超過(guò) 200 萬(wàn)種新材料的結(jié)構(gòu)，該公司表示這一突破性成果將推動(dòng)現(xiàn)實(shí)世界的技術(shù)改進(jìn)。其相關(guān)研究成果已經(jīng)在當(dāng)?shù)貢r(shí)間周三以題《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《Nature》上。

DeepMind 研究員在論文中指出，其假設(shè)的近 40 萬(wàn)個(gè)材料設(shè)計(jì)中的大部分很快就可以在實(shí)驗(yàn)室條件下生產(chǎn)出來(lái)。這項(xiàng)研究可以為生產(chǎn)性能更好的電池、太陽(yáng)能電池板和計(jì)算機(jī)芯片提供幫助。通過(guò)使用 AI 預(yù)測(cè)這些新材料的穩(wěn)定性后，DeepMind 表示下一步的研究重心將轉(zhuǎn)向預(yù)測(cè)它們?cè)趯?shí)驗(yàn)室中合成的難易程度。實(shí)際上，新材料的發(fā)現(xiàn)和合成其實(shí)是一個(gè)十分昂貴且耗時(shí)的過(guò)程，例如我們目前隨處可見(jiàn)的鋰離子電池的商業(yè)應(yīng)用過(guò)程經(jīng)歷了大約 20 年的時(shí)間，其間耗費(fèi)無(wú)數(shù)成本與心血。“我們希望通過(guò)實(shí)驗(yàn)、自主合成和機(jī)器學(xué)習(xí)模型的巨大改進(jìn)，將這個(gè) 10 到 20 年的時(shí)間縮短到一個(gè)更容易控制的范圍”，DeepMind 的研究員 Ekin Dogus Cubuk 說(shuō)道。據(jù)介紹，DeepMind 的 AI 是基于 Materials Project 數(shù)據(jù)進(jìn)行訓(xùn)練的。這是一個(gè)于 2011 年在勞倫斯伯克利國(guó)家實(shí)驗(yàn)室成立的國(guó)際研究組織，目前擁有約 5 萬(wàn)種已知材料的研究成果。該公司表示，現(xiàn)在將與研究界分享其數(shù)據(jù)，以期加速材料發(fā)現(xiàn)的進(jìn)一步突破。

據(jù)論文描述，GNoME 已將結(jié)構(gòu)穩(wěn)定預(yù)測(cè)的精確性提高到 80% 以上，在預(yù)測(cè)成分時(shí)每 100 次試驗(yàn)的精確度提高到 33%（相比之下，此前工作中該數(shù)字僅為 1%）。

Google DeepMind 材料發(fā)現(xiàn)團(tuán)隊(duì)負(fù)責(zé)人 Ekin Dogus Cubuk 表示：“我們希望 GNoME 項(xiàng)目能夠推動(dòng)無(wú)機(jī)晶體研究的發(fā)展。外部研究人員已經(jīng)通過(guò)獨(dú)立的物理實(shí)驗(yàn)驗(yàn)證了 GNoME 發(fā)現(xiàn)的 736 多種新材料，證明了我們模型的發(fā)現(xiàn)可以在實(shí)驗(yàn)室中實(shí)現(xiàn)。”

然而，研究團(tuán)隊(duì)在論文中也指出，在實(shí)際應(yīng)用中，GNoME 仍存在一些開(kāi)放性問(wèn)題，其中包括由競(jìng)爭(zhēng)多形體引發(fā)的相變、振動(dòng)輪廓和構(gòu)型熵引起的動(dòng)態(tài)穩(wěn)定性，以及對(duì)最終合成能力的更深入理解。

為了制造 Materials Project 預(yù)測(cè)的新化合物，A-Lab 的 AI 通過(guò)研究科學(xué)論文并使用主動(dòng)學(xué)習(xí)進(jìn)行調(diào)整，創(chuàng)造出了新的配方。