AI震撼材料学!谷歌DeepMind新研究登Nature,一口气预测220万种新材料

新能源、超导又有希望了

萧箫 发自 凹非寺

量子位 | 公众号 QbitAI

只用一个AI,就获取了人类接近800年才能搞出来的知识成果!

这是谷歌DeepMind新研究的一种材料发现工具,论文已经发表在Nature上。

仅凭这个AI工具,他们发现了220万种 理论上稳定的新晶体材料,不仅将预测材料稳定性的准确率从50%拉高到80% ,而且38万种已经投入测试中。

谷歌DeepMind表示,鉴于过去10年才发现28000种稳定材料,这项研究相当于近800年的知识积累。

进展之神速着实让业内专家大开眼界了。

据《金融时报》介绍,MIT教授Bilge Yildiz对这项研究评价称:

这个无机晶体的海量数据库中应该充满了有待发掘的"宝石",以推动解决清洁能源和环境挑战方面的方案。

目前,这个话题已经登上知乎热榜:

所以这究竟是一个什么样的AI工具?

新工具GNoME长啥样

这篇文章提出了一个叫做GNoME(Graph Networks for Materials Exploration)的新工具。

GNoME的架构是图神经网络(GNN),其中,节点用来表示晶体结构中的原子 ,边用来表示晶体结构中的成键关系

随后,GNoME采用一系列已知稳定材料数据集进行训练,包括Materials Project、Open Quantum Materials Database(OQMD)等。

这个工具通过主动学习来发现新材料。

首先,基于已知的稳定材料生成候选结构;然后,GNoME会对这些候选结构进行筛选。

当然,GNoME最初筛选出来的结构也并非直接就能拿来用,而是需要基于密度泛函理论(DFT)验证结构稳定性。

随后,这些验证后的结构,也会作为新的训练数据再度喂给GNoME,用来改进它的预测能力。

基于这种方法,GNoME最终发现了超过220万种新的稳定晶体结构。

与此同时,也表现出一定泛化能力,甚至能对含有5种以上独特元素的结构进行准确预测。

那么,这新发现的220万种稳定晶体材料有什么用呢?

220万种晶体用来做什么

最直观来看,当然是新能源电池(如太阳能电池)、超导体、芯片这些领域又有进展的希望了。

虽然GNoME还只是计算出了理论上稳定的晶体材料,不过实验合成后,就可以评测性质了。

这些新发现的稳定晶体材料,经过超导、铁电、光电等性质评测后,可以应用于能源、信息通讯和传感等领域。

据介绍,目前研究人员已经在实验室中合成了736种材料,以证明GNoME计算出来的晶体是可以被合成的。

除此之外,合成的材料也可能会作为新材料设计的指导、或是作为新的数据集来训练和优化其他AI模型。

例如,加州大学伯克利分校和劳伦斯伯克利国家实验室,就已经将这些发现的材料作为实验工作的一部分,论文同样发表在Nature上。

团队建设了一个A-Lab实验室,从58种计算出的材料中成功合成41种化合物,有超过70%的成功率

对于这项研究,有网友已经在想象材料起飞的前景了,例如药学的进展:

还有网友cue了一波热度逐渐平息下来的LK-99:材料学又回来了。

还有网友希望这些发现的材料能造福全人类。

对于AI预测的这些材料,你认为还能被用在哪些地方?

参考链接:

[1]www.ft.com/content/f84...

[2]twitter.com/GoogleDeepM...

[3]www.nature.com/articles/s4...

相关推荐
Chef_Chen11 分钟前
从0开始学习机器学习--Day22--优化总结以及误差作业(上)
人工智能·学习·机器学习
Mr.简锋16 分钟前
opencv常用api
人工智能·opencv·计算机视觉
DevinLGT1 小时前
6Pin Type-C Pin脚定义:【图文讲解】
人工智能·单片机·嵌入式硬件
宋一诺331 小时前
机器学习—高级优化方法
人工智能·机器学习
龙的爹23331 小时前
论文 | The Capacity for Moral Self-Correction in LargeLanguage Models
人工智能·深度学习·机器学习·语言模型·自然语言处理·prompt
Mr.简锋1 小时前
opencv视频读写
人工智能·opencv·音视频
Baihai_IDP1 小时前
「混合专家模型」可视化指南:A Visual Guide to MoE
人工智能·llm·aigc
寰宇视讯2 小时前
“津彩嘉年,洽通天下” 2024中国天津投资贸易洽谈会火热启动 首届津彩生活嘉年华重磅来袭!
大数据·人工智能·生活
Light602 小时前
低代码牵手 AI 接口:开启智能化开发新征程
人工智能·python·深度学习·低代码·链表·线性回归
墨绿色的摆渡人2 小时前
用 Python 从零开始创建神经网络(六):优化(Optimization)介绍
人工智能·python·深度学习·神经网络