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。
![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](/wp-content/uploads/replace/3e6d293e06096c24db9c5c7d87925679.png)
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。
![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](/wp-content/uploads/replace/192cf7c10a79d85a40ef51f5b6095f24.png)
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。
![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](/wp-content/uploads/replace/9ca46aaf931d7ed3e7c50321f1cfea53.png)
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:
![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](/wp-content/uploads/replace/9897704f7c0f677b76766e2cfc5c5258.png)
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。
![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](/wp-content/uploads/replace/a19db59bbb895a602ee871aba5b53086.png)
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。
![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](/wp-content/uploads/replace/ed3f938598b9b0c5524319d1e7957056.png)
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。
![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](/wp-content/uploads/replace/38ee3fc6b3c675181c01daff2325105f.png)
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。
![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](/wp-content/uploads/replace/42648619a94024cd086c86e6d90f4c0e.jpeg)
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。
![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](/wp-content/uploads/replace/45e5a52be86e70c7d6a7f044b2ae17f5.png)
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:
![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](/wp-content/uploads/replace/80801cb25b3dc014fbe29d9e2d4aff5d.png)
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。
![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](/wp-content/uploads/replace/13d33dab657808bf3ef8af1a8ecadb1b.png)
还有网友希望这些发现的材料能造福全人类。
![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](/wp-content/uploads/replace/0b05bb4022ebb4773c3cc8708813c0aa.png)
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]https://www.ft.com/content/f841e9e0-c9c6-49ab-b91c-6d7bea2a3940
[2]https://twitter.com/GoogleDeepMind/status/1729895673368068596
[3]https://www.nature.com/articles/s41586-023-06735-9
- 首个GPT-4驱动的人形机器人!无需编程+零样本学习,还可根据口头反馈调整行为2023-12-13
- IDC霍锦洁:AI PC将颠覆性变革PC产业2023-12-08
- AI视觉字谜爆火!梦露转180°秒变爱因斯坦,英伟达高级AI科学家:近期最酷的扩散模型2023-12-03
- 苹果大模型最大动作:开源M芯专用ML框架,能跑70亿大模型2023-12-07