導讀：IT之家 11 月 30 日消息，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(xiàn)實世界的技術改進。 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...
IT之家 11 月 30 日消息，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(xiàn)實世界的技術改進。
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。
▲ 圖源：nature
實際上，新材料的發(fā)現(xiàn)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(shù)成本與心血。
“我們希望通過實驗、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(shù)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(xiàn)在將與研究界分享其數(shù)據，以期加速材料發(fā)現(xiàn)的進一步突破。
“當涉及到成本增加時，行業(yè)往往有點風險規(guī)避，而新材料通常需要一段時間才能變得具有成本效益”，Materials Project 的負責人 Kristin Persson 說，“如果我們能進一步縮短這個時間，那就算是真正的突破了。”
