DeepMind的人工智能在一年内发现的新材料数量，比科学家们几个世纪的总和还要多
DeepMind的人工智能在短短一年内发现的新材料数量，超过了科学家们几个世纪总和的数量
Google DeepMind的研究人员已经训练了一个深度学习模型，可以预测超过220万个结晶材料的结构-比科学史上发现的材料数量多45倍。
在200万多种新材料中，有381,000种被认为是稳定的，这意味着它们不会分解-这是工程目的的一个重要特征。这些新材料有潜力推动半导体、超级计算机和电池等关键未来技术的发展，该英美公司说。
从电子器件到电动车，现代技术只能利用大约20,000种无机材料。这些大部分是通过几个世纪的试错方法发现的。Google DeepMind的新工具，名为材料探索的图网络（GNoME），在短短一年内发现了数十万种稳定的材料。
在新材料中，人工智能发现了52,000种类似于石墨烯的新层状化合物，可以用于开发更高效的超导体-这是MRI扫描仪、量子计算机和核聚变反应堆中的关键组成部分。它还发现了528种潜在的锂离子导体，比之前的研究多出25倍，可以提高电动车电池的性能。
为了实现这些发现，深度学习模型使用了来自Materials Project的大量数据进行训练。这个项目由美国劳伦斯伯克利国家实验室领导，过去十年使用类似的AI技术发现了约28,000种新的稳定材料。Google DeepMind将这个数字扩展了八倍，公司称这是“人类已知稳定材料数量的数量级扩展”。
尽管新材料在技术上只是预测，DeepMind的研究人员表示，独立的实验者已经制造了736种材料，验证了它们的稳定性。伯克利实验室的一个团队已经在使用自主机器人合成Materials Project发现的材料，以及DeepMind挖掘出的新宝藏。正如在这项研究中详细说明的那样，这个由人工智能驱动的自主机器人能够在17小时内制造出58种预测材料中的41种。
“当涉及成本增加时，工业界往往有点风险规避，新材料通常需要一点时间才能变得成本效益高”，Materials Project的负责人克里斯丁·佩尔森向路透社表示。“如果我们能再缩小一点，这将被认为是一个真正的突破。”
DeepMind的研究人员表示，他们将立即公布关于预测稳定的381,000种化合物的数据，并公开其人工智能代码。通过向科学家们提供有希望的“配方”目录，公司希望加速发现并降低成本。
GNoME的发布是在Google DeepMind取得了几个令人印象深刻的进展之后进行的。DeepMind成立于四月，当时总部位于英国的DeepMind与总部位于美国的Google Brain合并成为一个单一的人工智能研究单位。最近的进展是推出了“全球最准确的十天全球天气预报系统”。
