详细内容或原文请订阅后点击阅览
通过深度学习发现数百万种新材料
我们分享了 220 万个新晶体的发现——相当于近 800 年的知识。我们推出了用于材料探索的图形网络 (GNoME)，这是我们的新深度学习工具，它通过预测新材料的稳定性显着提高了发现的速度和效率。
来源:DeepMind - 新闻与博客研究
利用深度学习发现数百万种新材料
- 已发布2023 年 11 月 29 日作者 Amil Merchant 和 Ekin Dogus Cubuk
Amil Merchant 和 Ekin Dogus Cubuk
Amil Merchant 和 Ekin Dogus CubukAI 工具 GNoME 发现 220 万种新晶体，其中包括 380,000 种可为未来技术提供动力的稳定材料
从计算机芯片和电池到太阳能电池板的现代技术都依赖于无机晶体。为了实现新技术，晶体必须稳定，否则就会分解，而每个新的稳定晶体背后都可能经过数月的艰苦实验。
今天，在《自然》杂志上发表的一篇论文中，我们分享了 220 万个新晶体的发现——相当于近 800 年的知识。我们推出了材料探索图形网络 (GNoME)，这是我们的新深度学习工具，它通过预测新材料的稳定性，大大提高了发现的速度和效率。
《自然》杂志上发表的论文 《自然》借助 GNoME，我们使人类已知的技术上可行的材料数量成倍增加。在其 220 万个预测中，有 380,000 个是最稳定的，使它们成为实验合成的有希望的候选材料。这些候选材料中有潜力开发未来的变革性技术，从超导体、超级计算机供电到下一代电池，以提高电动汽车的效率。
GNoME 展示了使用 AI 大规模发现和开发新材料的潜力。世界各地实验室的外部研究人员在并行工作中独立实验性地创建了 736 种新结构。与 Google DeepMind 合作，劳伦斯伯克利国家实验室的一组研究人员还在《自然》杂志上发表了第二篇论文，展示了如何利用我们的 AI 预测进行自主材料合成。
《自然》杂志上的第二篇论文 《自然》 其在线数据库