据11月30日消息，谷歌子公司DeepMind已利用人工智能（AI）预测了超过200万种新材料的结构。该公司表示，这一突破性成果将推动现实世界的技术改进。相关研究成果已于当地时间周三发表，标题为《An autonomous laboratory for the accelerated synthesis of novel materials》。附件为DOI:10.1038/s41586-023-06734-w。
DeepMind 研究人员在论文中指出，他们的近400,000 种假设材料设计中的大部分很快就可以在实验室条件下生产。这项研究有助于生产性能更好的电池、太阳能电池板和计算机芯片。
DeepMind 表示，在使用人工智能预测这些新材料的稳定性后，下一步研究将转向预测它们在实验室合成的难易程度。
图片来源：nature 事实上，新材料的发现和合成实际上是一个非常昂贵且耗时的过程。例如，我们今天随处可见的锂离子电池的商业应用大约花了20年的时间，其间消耗了无数的成本和努力。
DeepMind 研究员Ekin Dogus Cubuk 表示：“我们希望通过实验、自主合成和机器学习模型的巨大改进，将这10 到20 年缩短到更容易管理的范围。”
据报道，DeepMind 的AI 是基于Materials Project 数据进行训练的。这是一个国际研究组织，于2011 年在劳伦斯伯克利国家实验室成立，目前拥有约50,000 种已知材料的研究成果。
该公司表示，现在将与研究界分享其数据，以期加速材料发现的进一步突破。
“当涉及到成本增加时，该行业往往会有点规避风险，而新材料通常需要一段时间才能变得具有成本效益，”材料项目总监克里斯汀·佩尔森（Kristin Persson）说。 “如果我们能进一步缩短这个时间，那就是真正的突破。”
