加州大學-Google DeepMind公司（來源：Nature）
發(fā)布時間：2023-11-30
2023年11月29日，谷歌旗下的 DeepMind 利用人工智能（AI）預測了超過 200 萬種新材料的結構，該公司表示這一突破性成果將推動現實世界的技術改進。其相關研究成果已經在當地時間周三以題《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《Nature》上。
DeepMind 研究員在論文中指出，其假設的近 40 萬個材料設計中的大部分很快就可以在實驗室條件下生產出來。這項研究可以為生產性能更好的電池、太陽能電池板和計算機芯片提供幫助。通過使用 AI 預測這些新材料的穩(wěn)定性后，DeepMind 表示下一步的研究重心將轉向預測它們在實驗室中合成的難易程度。實際上，新材料的發(fā)現和合成其實是一個十分昂貴且耗時的過程，例如我們目前隨處可見的鋰離子電池的商業(yè)應用過程經歷了大約 20 年的時間，其間耗費無數成本與心血?！拔覀兿Ｍㄟ^實驗、自主合成和機器學習模型的巨大改進，將這個 10 到 20 年的時間縮短到一個更容易控制的范圍”，DeepMind 的研究員 Ekin Dogus Cubuk 說道。據介紹，DeepMind 的 AI 是基于 Materials Project 數據進行訓練的。這是一個于 2011 年在勞倫斯伯克利國家實驗室成立的國際研究組織，目前擁有約 5 萬種已知材料的研究成果。該公司表示，現在將與研究界分享其數據，以期加速材料發(fā)現的進一步突破。
據論文描述，GNoME 已將結構穩(wěn)定預測的精確性提高到 80% 以上，在預測成分時每 100 次試驗的精確度提高到 33%（相比之下，此前工作中該數字僅為 1%）。
Google DeepMind 材料發(fā)現團隊負責人 Ekin Dogus Cubuk 表示：“我們希望 GNoME 項目能夠推動無機晶體研究的發(fā)展。外部研究人員已經通過獨立的物理實驗驗證了 GNoME 發(fā)現的 736 多種新材料，證明了我們模型的發(fā)現可以在實驗室中實現。”
然而，研究團隊在論文中也指出，在實際應用中，GNoME 仍存在一些開放性問題，其中包括由競爭多形體引發(fā)的相變、振動輪廓和構型熵引起的動態(tài)穩(wěn)定性，以及對最終合成能力的更深入理解。
為了制造 Materials Project 預測的新化合物，A-Lab 的 AI 通過研究科學論文并使用主動學習進行調整，創(chuàng)造出了新的配方。
點擊圖片查看視頻
點擊查看文章詳細內容：https://www.nature.com/articles/s41586-023-06734-w
在DeepMind的實驗室中，出現了科晶的1200℃高通量自動化管式爐：
上圖中的設備型號：OTF-1200X5-ASD-2
部分參數： ·最高溫度：1200℃（小于0.5小時）
·連續(xù)工作溫度：1100℃
（點擊圖片查看詳情）
更多自動化設備：
（點擊圖片查看詳情）
如果您想了解設備，請于我公司銷售部聯系
歡迎您來到科晶開放實驗室參觀與親自試用
特別說明：
1. 客戶案例照片選自于公開的媒體內容，如果有任何不妥的地方，請直接與我們聯系，我們將第一時間為您處理。電話13856008823
2. 歡迎您提供包含有我設備的媒體線索，請與我們聯系（手機13856008823微信同步 固話0551-65591676），我們將會有精美的禮品奉上。
查看誠信檔案
皖公網安備 34012302000974號
