激光网3月25日消息,谷歌DeepMind已经使用人工智能来预测超过200万种新材料的结构,这一突破可能很快用于改进现实世界的技术。
在周三发表在科学杂志《自然》上的一篇研究论文中,Alphabet旗下的人工智能公司表示,其近40万种假设的材料设计可能很快就会在实验室条件下生产出来。
该研究的潜在应用包括生产性能更好的电池、太阳能电池板和计算机芯片。
新材料的发现和合成可能是一个昂贵且耗时的过程。例如,锂离子电池花了大约二十年的研究时间才商业化。
“我们希望实验、自主合成和机器学习模型的重大改进将大大缩短10到20年的时间线,使其更易于管理,”DeepMind的研究科学家Ekin Dogus Cubuk说。
DeepMind 的人工智能是根据材料项目的数据进行训练的,这是一个于 2011 年在劳伦斯伯克利国家实验室成立的国际研究小组,由大约 50000 种已知材料的现有研究组成。
该公司表示,现在将与研究界分享其数据,以期加速材料发现的进一步突破。
“在成本增加方面,行业往往有点规避风险,新材料通常需要一些时间才能变得具有成本效益,”材料项目主任克里斯汀·佩尔森说。
“如果我们能再缩小一点,那将被认为是一个真正的突破。
在使用人工智能预测这些新材料的稳定性后,DeepMind表示,现在将把重点转向预测它们在实验室中合成的难易程度。