谷歌的研究人员使用DeepMind生成式人工智能来寻找和模拟数千种新材料,特别是固态电池的电解质。
与此同时,美国卡内基梅隆大学的研究人员将生成式人工智能用于一个名为Coscientist的系统,该系统可以开发自主实验以加快材料的验证速度。
在谷歌,用于材料探索的图网络被大规模训练,可以达到前所未有的泛化水平,将材料发现的效率提高了一个数量级。基于在持续研究中发现的 48000 种稳定晶体,效率的提高使 220 万种结构得以发现,其中许多结构逃脱了先前人类的化学直觉。
这项工作是对人类已知的稳定材料的一个数量级扩展,并使用 DeepMind AI 找到了 321000 种潜在材料。然后在分子水平上模拟这些函数,以确定精度为11meV/原子的功能。
在稳定的结构中,已经独立生产了 736 种材料,以验证人工智能输出。
在卡内基梅隆大学,Coscientist 工具由 GPT-4 驱动,通过整合由互联网和文档搜索、代码执行和实验自动化等工具支持的大型语言模型,自主设计、计划和执行复杂的实验。
这用于加速六项不同任务的研究,包括钯催化交叉偶联的成功反应优化,同时展示自主实验设计和执行的先进能力。