DeepMindがAIツール「GNoME」をリリース、220万個の新しい結晶材料の発見に成功したとされる

12 月 1 日のニュースによると、Google の DeepMind は最近、ジャーナル「Nature」で独自の AI ツール GNoME をデモンストレーションし、材料科学における AI の関連アプリケーションを紹介しました。DeepMind は GNoME を使用して 220 万個のデータを発見したと報告されています38万個の新しい結晶のうち、38万個は実験室で製造できる安定した材料で、電池や超伝導体に使用されることが期待されている。

書き換えが必要な内容は次のとおりです。 ▲画像ソースディープラーニング

現在、ICSDデータでは約2万個の結晶が計算上存在すると考えられています。 「定常状態」、マテリアルズプロジェクト、および他のチームは、これまでに一連の計算方法を通じてさらに28,000個の結晶を特定した。しかし、DeepMind は、業界で以前に改善された計算方法により新しい結晶構造の発見をスピードアップできるものの、時間と費用のコストが非常に高いと考えています。

DeepMind の新しいツール GNoME は、これまでのさまざまな計算方法を打ち破り、一連の安定した結晶構造を正確に予測し、そこから 220 万の材料を生成できると言われています。

これらの材料を人力だけで計算します。

書き直す必要がある内容は次のとおりです。 ▲画像ソース ディープ ラーニング

このサイトは、DeepMind レポートから、GNoME 開発資料の効率性が低いことを学びました。このモデルでは、合計 52,000 個の新しいグラフェン層状化合物を設計しましたが、これまで人類は同様の材料を約 1,000 個しか特定していませんでした。さらに、GNoME は、以前の材料の最大 25 倍の導電率を持つ 528 個の潜在的なリチウムイオン伝導体を発見しました。科学者らは、上記の発見だけでも、現在電子製品に使用されているバッテリーのエネルギー消費を改善できると考えています。

書き直す必要がある内容は次のとおりです: ▲ 画像ソースの深層学習

DeepMind は、GNoME がマテリアルを検索するために 2 つの戦略を使用していると指摘しました。 1 つは既存の構造に基づいており、もう 1 つは化学会社に基づいており、よりランダムな方法で候補構造を探索します。このモデルは、ニューラル ネットワークを使用して両方の方法の出力を同時に処理および分析し、密度汎関数理論の計算を使用してこれらの材料候補の安定性を評価します。さらに、GNoME は「アクティブ ラーニング」手法を使用して結晶予測の精度と効率を向上させ、それによって新しい材料を発見する速度と成功率を大幅に向上させます

The書き換える必要がある内容は次のとおりです: ▲画像ソース ディープ ラーニング

GNoME モデルは、新しい材料を発見するコストを削減することを目的としています。

現在、世界中の科学者が 736 種類の GNoME 予測を作成しています。研究者が候補材料のテストと製造を支援できるよう、DeepMind は GNoME の新しく発見された結晶データベースを公開しました。

以上がDeepMindがAIツール「GNoME」をリリース、220万個の新しい結晶材料の発見に成功したとされるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。