(SeaPRwire) – Google DeepMind的研究人员使用人工智能预测了超过200万种新的材料结构,这将有利于电池和芯片开发等多个领域。
DeepMind预测了其中381,000种结构最为稳定。
这个突破增加了已知稳定材料的数量十倍。尽管这些材料仍需合成和测试,这些过程可能需要几个月甚至几年,但这一最新进展预计将加速新材料的发现,这些新材料将应用于能量存储、太阳能电池和超导芯片等应用中。
“尽管材料在几乎任何技术中都起着至关重要的作用,但我们作为人类仅知道几万种稳定材料,”Google Brain的研究人员Ekin Dogus Cubuk在谈到DeepMind的人工智能工具GNoME时说。在考虑哪些材料适用于特定技术时,这个数字会更低。“比如,您想找到更好的电池固态电解质。这些电解质必须在离子上具有良好的导电性,但在电子上必须具有较差的导电性,它们不应该是有毒的,也不应该是放射性的。一旦应用所有这些过滤器,结果是我们只有很少的选择可以采用,这些选择实际上无法真正革新我们的电池。”
只有元素的特定组合才能形成稳定的固体——如果组成原子之间的键结不够强,固体将自发分解。通常通过试错法或根据固体化学领域的原理将已知材料进行增量改变或将元素混合在一起来发现新稳定材料。这个过程通常很昂贵,可能需要几个月——通过人类实验已经确定了2万种稳定材料的结构,这些结构收录在无机晶体结构数据库(ICSD)中,这是世界上最大的已识别材料数据库。
在过去,人们也曾通过计算预测新材料,其中最重要的是由Kristin Persson在劳伦斯伯克利国家实验室创立的材料项目。到目前为止,这些工作已经产生了额外2.8万种稳定材料。
GNoME使用来自材料项目的数据对材料结构和稳定性进行训练。然后,研究人员让GNoME提出其模型判断可能稳定的新结构。应用了确定结构稳定性的计算技术更准确地评估了GNoME生成的材料的稳定性。这些高质量数据被反馈给GNoME,提高了其稳定性预测准确性。
Google DeepMind从220万可能稳定材料中提取出最可能稳定的38.1万种材料,并将其添加到ICSD中——这增加了已知预测稳定材料的数量十倍。为测试GNoME预测稳定的材料是否真的稳定,Google DeepMind与外部研究人员合作,成功合成了其中的7.36种。
在38.1万种材料中,有528种可能用于电池的锂离子导电体,以及52,000种类似于石墨烯的层状化合物,这开辟了一些化合物可能成为新超导材料的可能性。“我们相信其中一些将在实验室中制备,这可能会导致非常激动人心的应用,”Cubuk说。
预测晶体结构是否可能稳定给材料科学家提供了更多目标。但从这里到材料真正有用还有许多时间消耗的阶段:合成材料、测试其是否表现出有用性能如导电性,并制定大规模合成方法。
劳伦斯伯克利国家实验室的研究人员正在努力加快合成步骤。自动材料合成系统在17天内,每天24小时不间断地试图合成GNoME预测的58种材料,成功合成了41种。通常,合成一种材料可能需要六个月甚至几年。Cubuk说。
“这就是未来—使用计算机自主设计材料,但也使用这些机器人实验室自主合成,并从过程中学习,”Persson在简报中说。
除了准确预测材料是否稳定外,GNoME还可以预测材料是否具有高效离子导电性——这对电池来说是一个重要属性。Google DeepMind的研究人员对未来AI工具能预测其他有用属性感到乐观。“当机器学习模型在大量数据上训练时,它们真正学习到了量子力学的有趣方面,能够推广并预测它们从未训练过的事物,”Cubuk说。“这让我们对下一个挑战,如预测合成可能性,感到很兴奋。”
GNoME的突破只是Google DeepMind的最新成果之一,它之前产生了预测蛋白质折叠的AlphaFold、遗传病筛查工具、以及天气预测等。
“如果考虑蛋白质结构预测问题和材料稳定性问题,它们都是根节点问题,我们认为它们解锁许多其他社会真正关心的问题,”Google DeepMind AI for Science团队负责人说。“这个具体问题对许多其他问题都有影响。”
本文由第三方内容提供商提供。SeaPRwire (https://www.seaprwire.com/)对此不作任何保证或陈述。
分类: 头条新闻,日常新闻
SeaPRwire为公司和机构提供实时新闻稿发布,覆盖超过6,500个媒体库、86,000名编辑和记者,以及90个国家350万台专业桌面电脑。SeaPRwire支持英语、韩语、日语、阿拉伯语、简体中文、繁体中文、越南语、泰语、印度尼西亚语、马来语、德语、俄语、法语、西班牙语、葡萄牙语等多种语言的新闻稿发布。