科技前瞻

Google科學家利用人工智能發現38萬種新材料

想像一下,如果科學家可以像魔法師一樣「召喚」出新的材料,那會是什麼情景?現在,這種魔法正在變成現實。Google DeepMind的人工智能實驗室最近為Material Project(材料項目)貢獻了近40萬種新化合物。這個項目是一個公開存取的新材料數據庫,於2011年由美國能源部的勞倫斯伯克利國家實驗室創建,旨在革命化材料研究和開發過程。

這些新化合物的資料包括材料的原子排列(晶體結構)以及它們的穩定性(形成能量)。Google DeepMind開發了一種深度學習工具——Graph Networks for Materials Exploration (GNoME),通過對材料項目的長期數據和工作流程進行訓練,並通過主動學習改進了GNoME算法。這項工作最終產生了220萬個晶體結構,其中38萬個被添加到材料項目中,並被預測為穩定的,這意味著它們可能在未來技術中有用。

想像一下,這些新材料可以用於碳捕獲、作為光催化劑(加速光響應化學反應的材料,可用於分解污染物或產生氫氣)、熱電材料(可能幫助利用廢熱並將其轉化為電能)、透明導體(可能用於太陽能電池、觸摸屏或LED)等各種領域。

由人工智能指導機器人 每天製造2種新材料

由人工智能指導的機器人創造了超過40種由材料項目預測的新材料。GNoME提供的數據被用作額外檢查這些預測材料是否穩定。(圖/Marilyn Sargent)

勞倫斯伯克利國家實驗室的A-Lab是一個由人工智能指導機器人製造新材料的設施,它使用來自GNoME和材料項目的數據來測試預測材料的穩定性。在A-Lab的首次試驗中,它在17天內獨立操作,成功製造了41種新化合物,這意味著每天製造超過兩種新材料。對比之下,一個人類研究人員可能需要數月的猜測和實驗才能創造出一種新材料。

材料項目是世界上最廣泛使用的無機材料開放存取信息庫。這個數據庫擁有成千上萬種結構和分子的數百萬個屬性,主要在伯克利實驗室的國家能源研究科學計算中心處理。該站點有超過40萬名註冊用戶,平均每天有超過四篇引用材料項目的論文發表。Google DeepMind的貢獻是自材料項目開始以來,來自一個團隊對結構穩定性數據的最大增加。

這一新進展不僅僅是科學的突破,它為解決人類面臨的重大技術挑戰提供了新的可能性。正如勞倫斯伯克利國家實驗室的Kristin Persson所說:「製造新材料對於解決全球環境和氣候挑戰至關重要。」

更多科學與科技新聞都可以直接上 明日科學網 http://www.tomorrowsci.com

首圖來源:SciTechDaily.com cc By4.0

圖片來源:Marilyn Sargent cc By4.0

參考論文:

1.An autonomous laboratory for the accelerated synthesis of novel materialsNature

延伸閱讀:

1.威斯康星大學開創核融合新紀元:「冷噴塗材料」革新能源前景