DeepMind 推出 AI 工具 GNoME，號稱已發(fā)現(xiàn) 220 萬種新晶體材料
2023-12-18 18:00:31
2023-12-18 18:00:31
开yun体育官网 12 月 18日消息，谷歌旗下 DeepMind 日前在《自然》期刊上展示了自家 AI 工具 GNoME，并介紹了 AI 在材料科學上的相關應用，據(jù)悉，DeepMind 使用 GNoME 發(fā)現(xiàn)了 220 萬種新晶體，其中有 38 萬種晶體屬于穩(wěn)定材料，可以在實驗室制造，有望應用在電池或是超導體等方面。
目前 ICSD 數(shù)據(jù)中，約有 2 萬種晶體在开yun体育官网計算上被認為處于“穩(wěn)定態(tài)”，此前 Materials Project 等團隊通過一系列計算方法，又找出了 2.8 萬種晶體。不過 DeepMind 認為，此前業(yè)界經過改進的計算方法，雖然能夠加快發(fā)現(xiàn)新晶體結構的速度，但是時間與金錢成本相當高。
而 DeepMind 的新工具 GNoME，據(jù)稱突破了此前的各種計算方法，能夠準確預測一系列穩(wěn)定的晶體結構，并從中生成了 220 萬種材料，DeepMind 聲稱，如果僅憑借人力計算出這些材料，需要花費 800 年。
开yun体育官网從 DeepMind 報告中獲悉，GNoME 開發(fā)材料的效率相當高，該模型一共設計了 5.2 萬種新型石墨烯層狀化合物，而在之前，人類只鑒定出約 1,000 種類似的材料。此外，GNoME 還發(fā)現(xiàn) 528 種潛在的鋰離子導體，導電能力可達之前材料的 25 倍。科學家認為，僅僅是上述發(fā)現(xiàn)，就有望改善目前電子產品中應用的電池能耗。
DeepMind 提到， GNoME 采用兩種策略來尋找材料，第一種是根據(jù)已知晶體結構創(chuàng)造候選物，另一種則是基于化學公司，以更隨機的方式探索候選物結構。該模型同時通過神經網(wǎng)絡來處理和分析上述兩種方法的輸出，使用密度泛函理論（Density Functional Theory）計算，來評估這些候選物的穩(wěn)定性。并利用一種稱為“主動學習（Active Learning）”的方法來提高晶體預測精準度和效率，從而大幅增加發(fā)現(xiàn)新材料的速度和成功率。
GNoME 模型旨在是降低發(fā)現(xiàn)新材料的成本，目前全球的科學家已在實驗室制造出 736 種 GNoME 所預測的新材料，這證明了 GNoME 的晶體預測在現(xiàn)實中的準確性與可行性，而 DeepMind 目前已經將 GNoME 新發(fā)現(xiàn)的晶體數(shù)據(jù)庫公開，協(xié)助科研人員測試和制造候選材料。
上一篇： 亞馬遜推出 Titan 系列 AI 模型：可生成圖片及文本、號稱兼顧價格和性能
相關新聞
-
智能家居行業(yè)年度大事件征集令來啦！
2023-12-23 -
开yun体育官网領先推出綠色石化技術 創(chuàng)新引領未來可持
2024-06-16
-
Stability AI 推出 Stable
2023-11-22
-
开yun体育官网 智能家居：改善生活的智慧選擇
2024-03-14
-
开yun体育官网：精細化工產業(yè)迎來新發(fā)展
2024-04-24
