2023-11-30 14:54:45 发布人:hao333 阅读( 7236)
只用了 17 天,人工智能便独自创造了 41 种新材料,每天超过两种。相比之下,人类科学家可能需要几个月的尝试和实验,才能创造出一种新材料。今天,这个名为 A-...
只用了 17 天,人工智能便独自创造了 41 种新材料,每天超过两种。
相比之下,人类科学家可能需要几个月的尝试和实验,才能创造出一种新材料。
今天,这个名为 A-Lab 的 AI 实验室,登上了权威科学期刊 Nature。
据介绍,A-Lab 是一个由 AI 指导机器人制造新材料的实验室,能够在最少的人为干预下迅速发现新材料,其可以帮助确定和快速跟踪多个研究领域的材料,包括电池、储能、太阳能电池、燃料电池等。
值得一提的是,在一次测试任务中,A-Lab 成功合成了 58 种预测材料中的 41 种,成功率达到了 71%。
这些测试数据来自伯克利实验室开放获取数据库 Materials Project 和由 Google DeepMind 开发的 Graph Networks for Materials Exploration深度学习工具。
同样在今天,Google DeepMind 的 GNoME 也登上了 Nature,其为 Materials Project 贡献了近 40 万种新化合物,是自该项目成立以来,由一个团队添加的最大一次新增结构稳定性数据,大大增加了科学家用于为未来技术发明新材料的开放存取资源。
伯克利实验室 Materials Project 创始人兼主任、加州大学伯克利分校教授 Kristin Persson 表示,“要解决全球环境和气候挑战,我们必须创造新材料。借助材料创新,我们可以开发可回收塑料、利用废弃能源、制造更好的电池,并构建更便宜、寿命更长的太阳能电池板等。”
有了AI,制造、测试新材料更快了
新技术的发展往往需要新材料。然而,制造一个材料并非易事。
科学家们已经通过计算预测了数十万种新型材料,但测试这些材料是否能在现实中制造出来是一个缓慢的过程。一个材料从计算到商业化需要很长时间。它必须具有合适的属性,能够在设备中工作,能够扩展,且具有合适的成本效率和性能。
如今,借助超级计算机和模拟技术,研究人员不再需要靠盲目的尝试从零开始创造材料。
在此次工作中,Google DeepMind 团队使用 Materials Project 十多年来开发的工作流程和数据对 GNoME 进行了训练,并通过主动学习改进了 GNoME 算法。
最终,GNoME 产生了 220 万种晶体结构,其中有 38 万种被纳入 Materials Project 中,且被预测为是稳定的。这些数据包括材料原子的排列方式和稳定性。
图|化合物 Ba₆Nb₇O₂₁ 是 GNoME 计算出的新材料之一,包含钡、铌和氧。
据论文描述,GNoME 已将结构稳定预测的精确性提高到 80% 以上,在预测成分时每 100 次试验的精确度提高到 33%。
Google DeepMind 材料发现团队负责人 Ekin Dogus Cubuk 表示:“我们希望 GNoME 项目能够推动无机晶体研究的发展。外部研究人员已经通过独立的物理实验验证了 GNoME 发现的 736 多种新材料,证明了我们模型的发现可以在实验室中实现。”
然而,研究团队在论文中也指出,在实际应用中,GNoME 仍存在一些开放性问题,其中包括由竞争多形体引发的相变、振动轮廓和构型熵引起的动态稳定性,以及对最终合成能力的更深入理解。
为了制造 Materials Project 预测的新化合物,A-Lab 的 AI 通过研究科学论文并使用主动学习进行调整,创造出了新的配方。
相关阅读
RelatedReading猜你喜欢
Guessyoulike