无机晶体是现代技术的重要组成部分。它们高度有序的原子结构为它们提供了独特的化学、电子、磁性或光学特性，可用于从电池到太阳能电池板、微芯片到超导体的所有领域。
从理论上讲，在实验室中制作新型无机晶体——无论是增强现有技术还是为新技术提供动力——都相当简单。研究人员设置条件，运行程序，并让他们的失败告知下次如何调整条件。冲洗并重复，直到您获得新的稳定材料。
然而，在实践中，这个过程非常耗时。传统方法依赖于反复试验的猜测，要么调整已知的晶体结构，要么在黑暗中拍摄。它可能很昂贵，需要几个月的时间，如果出现问题，研究人员几乎不知道如何或为什么。
根据劳伦斯伯克利国家实验室建立的开放获取数据库“材料项目”的数据，人体实验已经发现了大约20000种无机晶体。在过去的十年中，研究人员使用计算方法将这一数字增加到48000。
进入谷歌的人工智能研究实验室 DeepMind。其研究人员最近发布了一种新的深度学习人工智能的结果，该人工智能旨在预测以前未知的无机晶体的潜在结构。结果比计划提前了几个世纪。
DeepMind的新人工智能被称为“用于材料探索的图网络”。顾名思义，它是一种通过图实现数据点之间的连接来运行的图神经网络。
GNoME根据材料项目提供的数据进行了训练，并使用先前发现的48000个无机晶体为基础，开始构建理论晶体结构。它使用两个管道之一创建了预测。第一条管道被称为“结构管道”，其预测基于先前已知的晶体结构。第二条管道被称为“组合管道”，它采用了一种更随机的方法，看看它可以将哪些分子挤压在一起。
然后，人工智能用“密度泛函理论”测试了其预测，这是一种用于化学和物理学计算原子结构的方法。无论结果是失败还是成功，它都会生成更多的训练数据，人工智能可以从中学习。这反过来又为未来的管道预测提供了信息。
从本质上讲，人工智能的管道和随后的学习反映了上述人类实验方法。它只是利用人工智能的处理能力以更快的速度执行计算。
“强调的是，与语言或视觉的情况不同，在材料科学中，我们可以继续生成数据并发现稳定的晶体，这些晶体可以重复使用以继续扩大模型，”研究人员写道。
总而言之，GNoME 预测了 220 万种新材料。其中，大约380000被认为是最稳定的，将成为未来合成的主要候选者。这些潜在无机晶体的例子包括可能有助于开发先进超导体的层状石墨烯化合物，以及可以提高电池性能的锂离子导体。
“GNoME发现的220万种材料相当于大约800年的知识价值，并展示了前所未有的预测规模和准确性，”研究作者和Google DeepMind研究人员Amil Merchant和Ekin Dogus Cubuk补充道。
研究小组在同行评审的《自然》杂志上发布了他们的研究结果。DeepMind还将为材料项目贡献380000种最稳定的材料，这些材料将免费提供给研究人员。
GNoME预测的材料在理论上是稳定的，但很少有经过实验验证的材料。迄今为止，研究人员只在实验室中独立生产了736个。虽然这确实表明该模型的预测在一定程度上是准确的，但它也显示了通往所有 380000 个实验制造、测试和应用的漫长道路。
为了缩小差距，劳伦斯伯克利国家实验室委托他们新的A-Lab来制作58种预测材料。
A-Lab是一个闭环系统，这意味着它可以在没有人工输入的情况下决定下一步做什么。一旦完成任务，它就可以选择和混合起始成分，在加热过程中注入外加剂，制备最终产品，并将其提取到X射线衍射仪中进行分析。该实验室的人工智能将利用该分析为未来的尝试提供信息。它每天可以处理的样本数量是典型人类研究人员的 50 到 100 倍。
“有些人可能会将我们的设置与制造业进行比较，在制造业中，自动化已经使用了很长时间。我认为令人兴奋的是，我们已经适应了一种研究环境，在材料生产出来之前，我们永远不知道结果，“A-Lab的科学家Yan Zeng说。“整个设置是自适应的，因此它可以处理不断变化的研究环境，而不是总是做同样的事情。
在为期17天的运行中，A-Lab表示他们成功合成了58种靶材中的41种。每天超过两种材料，成功率为 71%。NBNL研究人员在另一篇《自然》论文中发布了他们的研究结果*。
研究人员在研究中写道：“凭借其在验证预测材料方面的高成功率，A-Lab展示了从头开始计算、机器学习算法、积累的历史知识和实验研究中的自动化的集体力量。
研究人员还在研究为什么剩下的17种无机晶体没有成功。在某些情况下，GNoME 的预测可能包含不准确之处。对于其他人来说，扩大A-Lab的决策和主动学习算法可能会产生更积极的结果。在两种情况下，在人工干预下重试导致了成功的合成。
因此，在可预见的未来，GNoME为A-Labs和世界各地的人类运营的研究机构提供了许多合作机会。
“这就是我在材料项目中要做的事情：不仅要使我生成的数据免费并可用于加速世界的材料设计，而且还要向世界传授计算可以为您做什么。与单独的实验相比，他们可以更有效，更快速地扫描大空间以寻找新的化合物和特性，“材料项目的创始人兼主任Kristin Persson说。
他补充说：“如果我们要应对全球环境和气候挑战，我们必须创造新材料。通过材料创新，我们有可能开发可回收塑料，利用废能，制造更好的电池，并建造更便宜、使用寿命更长的太阳能电池板，等等。
