谷歌科学家使用人工智能发现了 380,000 种新材料

材料项目是一个开放获取的新材料数据库，它正在彻底改变研究人员发现和开发未来技术材料的方式，Google DeepMind贡献了400,000种新化合物。人工智能、超级计算和实验数据的这种协同作用加快了可再生能源、高效电子和环境解决方案等应用材料的创造。（艺术家的概念）。

开放获取资源的扩展有助于科学家为未来技术开发新材料。

技术的新进步经常需要开发新材料，而由于超级计算机和先进的模拟技术，研究人员可以绕过耗时且通常效率低下的试错过程。

材料项目是2011年在能源部劳伦斯伯克利国家实验室（伯克利实验室）建立的开放访问数据库，用于计算已知和预测材料的特性。研究人员可以专注于未来技术的有前途的材料——想想提高汽车燃油经济性的更轻合金，更高效的太阳能电池来促进可再生能源，或者用于下一代计算机的更快晶体管。

现在，谷歌的人工智能实验室 Google DeepMind 正在为材料项目贡献近 400,000 种新化合物，扩大了研究人员可以利用的信息量。该数据集包括材料原子的排列方式（晶体结构）及其稳定性（形成能）。

“如果我们要应对全球环境和气候挑战，我们必须创造新材料，”伯克利实验室材料项目的创始人兼主任、加州大学伯克利分校教授克里斯汀·佩尔森说。“通过材料创新，我们有可能开发可回收塑料，利用废能，制造更好的电池，并建造更便宜、使用寿命更长的太阳能电池板，等等。

GNoME在材料发现中的作用

为了生成新数据，Google DeepMind开发了一种深度学习工具，称为Graph Networks for Materials Exploration（GNoME）。研究人员使用材料项目十多年来开发的工作流程和数据来训练 GNoME，并通过主动学习改进了 GNoME 算法。GNoME 研究人员最终生产了 220 万个晶体结构，其中 380,000 个他们正在添加到材料项目中并预测是稳定的，这使得它们在未来的技术中具有潜在的用途。Google DeepMind的新结果最近发表在《自然》杂志上。

GNoME的一些计算与材料项目的数据一起用于测试A-Lab，这是伯克利实验室的一个设施，人工智能指导机器人制造新材料。A-Lab的第一篇论文也发表在《自然》杂志上，表明自主实验室可以用最少的人工投入快速发现新材料。

在17天的独立运营中，A-Lab成功生产了58种新化合物中的41种，每天生产两种新材料以上。相比之下，人类研究人员可能需要几个月的猜测和实验才能创造出一种新材料，如果他们达到了所需的材料。

为了制造材料项目预测的新型化合物，A-Lab的人工智能通过梳理科学论文并使用主动学习进行调整，创造了新的配方。来自材料项目和GNoME的数据用于评估材料的预测稳定性。

“我们有惊人的71%的成功率，我们已经有几种方法可以提高它，”A-Lab的首席研究员，伯克利实验室和加州大学伯克利分校的科学家Gerd Ceder说。“我们已经证明，将理论和数据方面与自动化相结合会产生令人难以置信的结果。我们可以比以往任何时候都更快地制造和测试材料，向材料项目添加更多数据点意味着我们可以做出更明智的选择。

材料项目的影响和未来

材料项目是世界上使用最广泛的无机材料信息库。该数据库拥有数十万个结构和分子的数百万个属性，这些信息主要由伯克利实验室的国家能源研究科学计算中心处理。超过400,000人注册为该网站的用户，平均每天发表超过四篇引用材料项目的论文。Google DeepMind的贡献是自材料项目开始以来，一个团队对结构稳定性数据的最大补充。

“我们希望GNoME项目能够推动对无机晶体的研究，”Google DeepMind材料发现团队负责人Ekin Dogus Cubuk说。“外部研究人员已经通过同时进行的独立物理实验验证了超过736种GNoME的新材料，这表明我们模型的发现可以在实验室中实现。

材料项目现在正在处理来自 Google DeepMind 的化合物，并将它们添加到在线数据库中。新数据将免费提供给研究人员，并提供给与材料项目合作的A-Lab等项目。

“我真的很高兴人们正在利用我们所做的工作来产生前所未有的材料信息，”Persson说，他也是伯克利实验室分子铸造厂的主任。“这就是我在材料项目中要做的事情：不仅要使我生成的数据免费并可用于加速世界的材料设计，而且还要向世界传授计算可以为您做什么。与单独的实验相比，它们可以更高效、更快速地扫描大空间以寻找新的化合物和特性。

通过追踪过去十年材料项目中数据的有希望的线索，研究人员已经通过实验证实了新材料在多个领域的有用特性。有些显示出使用潜力：

• 在碳捕获（从大气中吸收二氧化碳）
• 作为光催化剂（响应光加速化学反应的材料，可用于分解污染物或产生氢气）
• 作为热电材料（可以帮助利用废热并将其转化为电能的材料）
• 作为透明导体（在太阳能电池、触摸屏或 LED 中可能有用）

当然，找到这些有前途的材料只是解决人类一些重大技术挑战的众多步骤之一。

“制造材料不适合胆小的人，”佩尔森说。“将材料从计算到商业化需要很长时间。它必须具有正确的属性，在设备中工作，能够扩展，并具有适当的成本效益和性能。材料项目和A-Lab等设施的目标是利用数据，实现数据驱动的探索，并最终为公司提供更多可行的射门机会。