科技让生活更美好
短短17天，仅人工智能就创造了41种新材料，每天两种以上。
相比之下，人类科学家可能需要几个月的试验和实验来创造一种新材料。
如今，这个名为A-Lab的AI实验室发表在权威科学期刊《自然》上。
据报道，A-Lab是一个由AI引导机器人制造新材料的实验室。它可以在最少的人工干预下快速发现新材料，可以帮助确定和快速跟踪许多研究领域的材料，包括电池、储能、太阳能电池、燃料电池等。
值得一提的是，在一次测试任务中，A-Lab成功合成了58种预测材料中的41种，成功率达到了71%。
这些测试数据来自伯克利实验室的开放存取数据库材料项目和谷歌DeepMind开发的材料探索图形网络(gnome)深度学习工具。
同样在今天，谷歌DeepMind的GNoME也登上了《自然》杂志，该杂志为材料项目贡献了近40万个新化合物。这是该项目成立以来一个团队增加的最大规模的新结构稳定性数据，大大增加了科学家用于发明未来技术新材料的开放资源。
伯克利实验室材料项目创始人兼主任、加州大学伯克利分校教授克里斯汀·佩尔森(Kristin Persson)表示，“要解决全球环境和气候挑战，我们必须创造新材料。在材料创新的帮助下，我们可以开发可回收塑料，利用废弃能源，制造更好的电池，以及建造更便宜、寿命更长的太阳能电池板。”
有了人工智能，制造和测试新材料就更快了。
新技术的发展往往需要新材料。然而，制造一种材料并不容易。
科学家们通过计算预测了数十万种新材料，但要测试这些材料是否能在现实中制造出来，是一个缓慢的过程。一种材料从计算到商业化需要很长时间。它必须具有适当的属性，能够在设备中工作，可扩展，并具有适当的成本效率和性能。我想看科技图片
如今，在超级计算机和模拟技术的帮助下，研究人员不再需要盲目地试图从零开始创造材料。
在这部作品中，Google DeepMind团队利用Materials Project十几年来开发的工作流程和数据对GNoME进行了训练，并通过主动学习改进了GNoME算法。科技 草木绿 图片
最终，GNoME产生了220万个晶体结构，其中38万个被纳入材料项目，并被预测是稳定的。这些数据包括材料的排列(晶体结构)和稳定性(形成能)。
图|化合物Ba₆Nb₇O₂₁是GNoME计算出的新材料之一，它含有钡(蓝色)、铌(白色)和氧(绿色)。
根据论文，GNoME将结构稳定性预测的准确率提高到了80%以上，每100次测试预测组件的准确率提高到了33%(而之前的工作只有1%)。
谷歌DeepMind材料发现团队的负责人Ekin Dogus Cubuk表示:“我们希望GNoME项目能够促进无机晶体研究的发展。外部研究人员通过独立的物理实验验证了GNoME发现的超过736种新材料，证明了我们模型的发现可以在实验室中实现。”
不过，研究团队也在论文中指出，在实际应用中，GNoME仍然存在一些开放性问题，包括竞争多面体引起的相变、振动剖面和构型熵引起的动态稳定性，以及对最终合成能力的更深入理解。
为了制造材料项目预测的新化合物，A-Lab的AI通过研究科学论文，利用主动学习进行调整，创造了一种新的配方。
您当前的设备暂时不支持播放视频|使用A-Lab创建您自己的材料(来源:Nature)
来自伯克利实验室和加州大学伯克利分校的科学家、A-Lab首席研究员Gerd Ceder说:“我们的成功率达到了惊人的71%，我们已经找到了一些提高它的方法。我们已经证明，将理论和数据与自动化相结合将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。”
据介绍，通过对决策算法做一些小的改动，成功率可以提高到74%，如果提高计算技术，还可以进一步提高到78%。
佩尔松说:“我们不仅应该让我们生成的数据免费并可用于加速全球材料设计，还应该教会世界计算机能为人们做什么。他们可以比单个实验更有效、更快速地扫描广泛的新化合物和性质。”
在A-Lab和GNoME的帮助下，科学家可以专注于未来技术中有前途的材料，例如提高汽车燃油经济性的更轻的合金，提高可再生能源效率的更高效的太阳能电池，或者下一代计算机中更快的晶体管。
已经显示了它的应用潜力。
目前，材料项目正在处理谷歌DeepMind的更多化合物，并将其添加到在线数据库中。这些新数据将免费提供给研究人员，也会输入到与材料项目合作的A-Lab等项目中。
美国数码科技
图|材料项目数据库中12种化合物的结构。
在过去的十年中，研究人员根据材料项目数据中的线索，通过多个领域的实验，证实了新材料的有用性。其中一些已显示出应用潜力，如:
当然，找到这些潜在材料只是解决人类面临的一些重大技术挑战的众多步骤之一。
除了以上两项研究，AI近年来在新材料的发现和合成方面也有不少突破。
2020年，包括美国国家标准与技术研究所(NIST)在内的多机构研究团队开发了一种名为CAMEO的AI算法，在没有对科学家进行额外培训的情况下，独立发现了一种潜在的实用新材料。
图| CAMEO在闭环操作中寻找新材料的过程(图片来源:NIST)
同年，来自北卡罗来纳州立大学和布法罗大学的研究人员开发了一项名为“人工化学家”的技术，该技术将人工智能与执行化学反应的自动化系统相结合，以加速商业所需的新化学材料的研发和生产。
2022年，来自加州大学圣地亚哥分校工程学院的纳米工程师开发了一种AI算法——m3 gnet，它可以几乎瞬间预测任何材料(无论是现有材料还是新材料)的结构和动态特性。研究人员可以利用它来寻找更安全、能量密度更高的可充电锂离子电池电极和电解质。
图|多体图势能和主要计算模块示意图(来源:加州大学圣地亚哥分校)
今年3月，发表在《自然合成》上的一项研究设想了由组合合成和人工智能技术的联合发展驱动的加速材料科学的未来。为了评估合成技术对特定实验工作流的适用性，研究人员建立了一套涵盖合成速度、可扩展性、范围和合成质量的十个度量标准，并在这些度量标准的背景下总结了一些选择性组合合成技术。
新材料作为高技术的基础和先导，有着广泛的应用，与信息技术和生物技术一起成为21世纪最重要和最有前途的领域。
未来，随着人工智能和其他技术的突破性发展，科学家将有望在未来的技术中专注于更有前途的材料，如提高汽车燃油经济性的更轻的合金，促进可再生能源发展的更高效的太阳能电池，以及在下一代计算机中发挥作用的更快的晶体管。
参考链接:
未经允许不得转载：科技让生活更美好 » AI花了17天，独自创造了41种新材料？
