首页站长资讯谷歌AI与机器人联手打造新材料
13690

谷歌AI与机器人联手打造新材料

站长网2023-12-01 16:04:270

**划重点:**

1. 🌐 谷歌DeepMind的AI系统GNoME预测了近40万种稳定物质,而A-Lab自主系统学会在实验室中制造这些物质。

2. ⚙️ GNoME通过仿真计算提出了220万种潜在化合物,A-Lab则使用最新的机器人技术在18天内制备出41种新型无机材料,其中9种是通过主动学习改进合成过程而获得的。

3. 🌐 这一技术突破有望极大加速清洁能源技术、下一代电子器件等领域的材料发现,标志着AI在科学发现领域的新篇章。

谷歌DeepMind与机器人技术的结合在材料科学领域取得了重大突破。A-Lab自主系统首次发布了一系列新发现,该系统通过结合机器人技术和人工智能(AI)创造全新材料。A-Lab系统负责为材料设计配方,包括一些可能用于电池或太阳能电池的材料,然后在没有人类干预的情况下进行合成和分析。

与此同时,另一个AI系统GNoME预测了数十万稳定物质的存在,为A-Lab提供了大量未来努力的候选材料。这两项进展共同承诺极大加速清洁能源技术、下一代电子器件等领域的材料发现。谷歌DeepMind的Ekin Dogus Cubuk表示:“我们周围的许多技术,包括电池和太阳能电池,通过更好的材料可能会有很大改进。”

图源备注:图片由AI生成,图片授权服务商Midjourney

通过计算模拟新的无机材料,例如在晶体中原子如何堆积,一些项目试图缩短在实验室中尝试各种材料的时间。然而,这些努力通常只能提出大约4.8万种可能稳定的材料。谷歌DeepMind的GNoME通过使用图网络进行材料探索,经过对来自Materials Project等数据库的数据进行训练,推测已知材料的组成,得出了220万种潜在化合物。在计算这些材料是否稳定以及预测它们的晶体结构后,系统最终产生了38.1万种新的无机化合物,添加到Materials Project数据库中。

GNoME使用多种策略来预测比以前的AI系统更多的材料。例如,它可能只更换材料中所有钙离子的一半,或尝试更广泛范围的不寻常原子交换。如果这些调整不奏效,系统会排除不稳定的材料,并从错误中学习。

然而,预测材料的存在与在实验室中制造它们是两回事。这就是A-Lab的作用所在。LBNL和加利福尼亚大学伯克利分校的材料科学家Gerbrand Ceder领导的A-Lab使用先进的机器人技术混合和加热粉末固体成分,然后分析产品以检查过程是否成功。该系统花费了1800万美元,但最大的挑战在于使用AI使系统真正自主,能够规划实验、解释数据并决策如何改进合成。

A-Lab团队从Materials Project数据库中确定了58种预测为稳定的目标化合物,将其与GNoME数据库进行交叉验证,并将目标交给A-Lab的机器学习模型。通过研究了超过3万份已发表的合成程序,A-Lab可以评估每个目标与现有材料的相似性,并提出制备所需的成分和反应温度。然后,系统从架子上选择成分,进行合成并分析产物。如果通过使用文献启发的配方尝试数次后目标材料不足一半,一种“主动学习”算法将设计更好的程序,然后不知疲倦的机器人重新开始。

A-Lab花了17天时间制备出41种新的无机材料,其中9种是通过主动学习改进合成过程而获得的。而A-Lab未能制造的17种材料大多数是由于实验困难,有些材料最终在人类干预下才被合成。

尽管GNoME等系统可以进行比自主实验室更多的计算预测,但正如利物浦大学创新工厂的Andy Cooper所说:“我们真正需要的是告诉我们要制造什么的计算。”因此,AI系统将不得不准确计算更多预测材料的化学和物理性质。

与此同时,A-Lab仍在运行反应,并将结果添加到Materials Project中,以供世界各地的科学家使用,这一不断增长的资源库可能是系统最大的遗产,Ceder表示:“它本质上是常见固体的反应性图谱。这将改变世界的不是A-Lab本身,而是它所生成的知识和信息。”

0000
评论列表
共(0)条