其相關(guān)研究成果已經(jīng)在當(dāng)?shù)貢r(shí)間周三以題《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《自然》上。IT之家附 DOI:10.1038/s41586-023-06734-w。
DeepMind 研究員在論文中指出，其假設(shè)的近 40 萬個(gè)材料設(shè)計(jì)中的大部分很快就可以在實(shí)驗(yàn)室條件下生產(chǎn)出來。這項(xiàng)研究可以為生產(chǎn)性能更好的電池、太陽能電池板和計(jì)算機(jī)芯片提供幫助。
通過使用 AI 預(yù)測(cè)這些新材料的穩(wěn)定性后，DeepMind 表示下一步的研究重心將轉(zhuǎn)向預(yù)測(cè)它們?cè)趯?shí)驗(yàn)室中合成的難易程度。
實(shí)際上，新材料的發(fā)現(xiàn)和合成其實(shí)是一個(gè)十分昂貴且耗時(shí)的過程，例如我們目前隨處可見的鋰離子電池的商業(yè)應(yīng)用過程經(jīng)歷了大約 20 年的時(shí)間，其間耗費(fèi)無數(shù)成本與心血。
“我們希望通過實(shí)驗(yàn)、自主合成和機(jī)器學(xué)習(xí)模型的巨大改進(jìn)，將這個(gè) 10 到 20 年的時(shí)間縮短到一個(gè)更容易控制的范圍”，DeepMind 的研究員 Ekin Dogus Cubuk 說道。
據(jù)介紹，DeepMind 的 AI 是基于 Materials Project 數(shù)據(jù)進(jìn)行訓(xùn)練的。這是一個(gè)于 2011 年在勞倫斯伯克利國(guó)家實(shí)驗(yàn)室成立的國(guó)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(jù)，以期加速材料發(fā)現(xiàn)的進(jìn)一步突破。
“當(dāng)涉及到成本增加時(shí)，行業(yè)往往有點(diǎn)風(fēng)險(xiǎn)規(guī)避，而新材料通常需要一段時(shí)間才能變得具有成本效益”，Materials Project 的負(fù)責(zé)人 Kristin Persson 說，“如果我們能進(jìn)一步縮短這個(gè)時(shí)間，那就算是真正的突破了。”
