详细内容或原文请订阅后点击阅览
生成式人工智能如何帮助科学家合成复杂材料
麻省理工学院研究人员的 DiffSyn 模型提供了合成新材料的方法，从而能够更快地进行实验并缩短从假设到使用的旅程。
来源:MIT新闻 - 人工智能生成式人工智能模型已被用来创建巨大的理论材料库，可以帮助解决各种问题。现在，科学家们只需要弄清楚如何制造它们。
在很多情况下，材料合成并不像在厨房里按照食谱那么简单。温度和加工时间等因素可能会导致材料特性发生巨大变化，从而影响或破坏其性能。这限制了研究人员测试数百万种有前景的模型生成材料的能力。
现在，麻省理工学院的研究人员创建了一个人工智能模型，通过建议有前途的合成路线来指导科学家完成材料的制造过程。在一篇新论文中，他们表明该模型在预测一类称为沸石的材料的有效合成途径方面具有最先进的准确性，该材料可用于改善催化、吸收和离子交换过程。根据其建议，该团队合成了一种新的沸石材料，该材料显示出更高的热稳定性。
研究人员相信他们的新模型可以打破材料发现过程中的最大瓶颈。
“打个比方，我们知道想要制作什么样的蛋糕，但现在我们不知道如何烘烤蛋糕，”主要作者、麻省理工学院材料科学与工程系 (DMSE) 的博士生 Elton Pan 说道。 “材料合成目前是通过领域专业知识和反复试验来完成的。”
学习烘焙
对生成式人工智能的大规模投资促使谷歌和 Meta 等公司创建了充满材料配方的庞大数据库，这些材料配方至少在理论上具有高热稳定性和选择性吸收气体等特性。但制造这些材料可能需要数周或数月的仔细实验，测试特定的反应温度、时间、前体比例和其他因素。
现在，材料发现的综合过程通常在材料从假设到使用的过程中花费最多的时间。