Google DeepMind人工智能突破可能有助於電池和芯片開發

(SeaPRwire) –   Google DeepMind研究人員利用人工智慧預測了超過200萬種新的材料結構,這對於可再生能源和計算機等領域都可能有很大裨益。

DeepMind使用了來自材料項目的數據,訓練了名為圖網絡材料探索(GNoME)的人工智慧工具。然後研究人員讓GNoME提出一些它認為可能穩定的新結構。已建立的計算技術被用於更準確地評估GNoME產生的材料的穩定性。這些高質量數據被反饋到GNoME中,提高了其穩定性預測準確性。

Google DeepMind從220萬可能穩定的總材料中提取出了381,000個最可能穩定的材料,並將其添加到無機晶體結構數據庫中,使已知可能穩定的材料數量增加了十倍。為了測試GNoME預測的材料是否真的穩定,Google DeepMind與外部研究人員合作,成功合成了其中736種。

其中包括528種可能用於電池的鋰離子導體,以及52,000種新型層狀化合物,其結構類似於石墨烯,開啟了其中一些可能成為新型超導材料的可能性。「我們相信其中一些將在實驗室中製備,這將帶來非常令人興奮的應用,」Cubuk說。

預測晶體結構是否可能穩定,為材料科學家提供了更多目標。但這仍然需要許多耗時的階段,才能使材料實用:合成材料,測試是否表現出有用的性能如導電性,並設計大規模合成方法。

柏克萊國家實驗室的研究人員正在努力加速合成步驟。該實驗室的自動化材料合成系統A-Lab在17天內工作24小時每天,嘗試合成GNoME預測的58種材料,成功41種。通常,合成一種材料需要六個月或幾年時間,Cubuk說。

「這就是未來 – 使用計算機自主設計材料,但也使用這些機器人實驗室自主合成,並從過程中學習,」Persson在簡報中說。

除了準確預測材料是否穩定外,GNoME還可以預測它是否將作為一個高效的離子導體 – 這對電池來說是一個重要的性能。Google DeepMind的研究人員對未來AI工具能夠預測其他有用性能感到樂觀。Cubuk說:「當訓練在大量數據上時,機器學習模型真正了解量子力學的有趣方面,能夠推廣並對它們從未訓練過的東西做出預測,這讓我們對下一步挑戰,如預測合成可能性感到很興奮。」

GNoME的突破只是Google DeepMind的最新成果之一,它之前產生了預測蛋白質摺疊的AlphaFold、遺傳病篩查工具BenevolentAI和天氣預報工具。

「如果考慮蛋白質結構預測問題和材料穩定性問題,它們都是根問題,」DeepMind AI科學小組負責人說,「這個具體問題對社會真正關心的許多其他問題都有影響。」

本文由第三方內容提供商提供。SeaPRwire (https://www.seaprwire.com/)對此不作任何保證或陳述。

領域: 頭條新聞,日常新聞

SeaPRwire為公司和機構提供實時新聞稿發佈,覆蓋超過6,500個媒體庫、86,000名編輯和記者,以及90個國家350萬台財經用戶終端。SeaPRwire支持英語、韓語、日語、阿拉伯語、簡體中文、繁體中文、越南語、泰語、印度尼西亞語、馬來語、德語、俄語、法語、西班牙語、葡萄牙語等多種語言的新聞稿發佈。