DeepMind, 220만 개의 새로운 크리스탈 소재 발견에 성공한 AI 도구 GNoME 출시

12월 1일자 뉴스에 따르면, 구글의 자회사 딥마인드(DeepMind)가 최근 네이처(Nature) 저널에서 자체 AI 도구인 GNoME를 시연하고 재료과학 분야의 AI 관련 응용 사례를 소개했다고 합니다. 딥마인드가 GNoME를 활용해 2.2를 발견했다고 합니다. 그 중 38만 개의 결정은 실험실에서 제조할 수 있는 안정적인 물질로 배터리나 초전도체에 사용될 것으로 예상됩니다.

다시 작성해야 하는 내용은 다음과 같습니다. ▲이미지 소스 딥러닝

현재 ICSD 데이터에서는 이전에 Materials Project 및 기타 팀에서 약 20,000개의 결정이 "안정적인 상태"로 간주됩니다. 일련의 계산 방법을 수행한 결과 추가로 28,000개의 결정이 발견되었습니다. 그러나 DeepMind는 업계에서 이전에 개선된 계산 방법을 통해 새로운 결정 구조의 발견을 가속화할 수 있지만 시간과 비용의 비용이 상당히 높다고 믿습니다.

DeepMind의 새로운 도구인 GNoME은 이전의 다양한 계산 방식을 깨고 일련의 안정적인 결정 구조를 정확하게 예측하고 220만 개의 재료를 생성할 수 있다고 합니다. 년

.

다시 작성해야 할 내용은 다음과 같습니다. ▲이미지 출처 딥 러닝

이 사이트는 DeepMind 보고서를 통해 GNoME이 재료 개발에 매우 ​​효율적이라는 사실을 알게 되었습니다. 이 모델은 총 52,000개의 새로운 그래핀 층 화합물을 설계했습니다. 이전에는 인간이 식별한 유사한 물질이 약 1,000개에 불과했습니다. 또한 GNoME는 이전 재료보다 최대 25배 더 높은 전도성을 지닌 528개의 잠재적인 리튬 이온 전도체를 발견했습니다. 과학자들은 위에서 언급한 발견만으로도 현재 전자 제품에 사용되는 배터리의 에너지 소비를 향상시킬 수 있을 것으로 기대하고 있습니다.

다시 작성해야 할 내용은 다음과 같습니다. ▲이미지 소스 딥 러닝

DeepMind는 GNoME이 두 가지 전략을 사용하여 재료를 검색한다고 지적했습니다. 하나는 알려진 결정 구조를 기반으로 후보를 생성하는 것이고, 다른 하나는 기반을 기반으로 하는 것입니다. 화학 회사에서는 보다 확률론적인 방식으로 후보 구조를 탐색합니다. 이 모델은 신경망을 사용하여 두 방법의 출력을 동시에 처리 및 분석하고 밀도 함수 이론 계산을 사용하여 이러한 재료 후보의 안정성을 평가합니다. 또한 GNoME은 "Active Learning" 방법을 사용하여 결정 예측의 정확성과 효율성을 향상시켜 신소재 발견 속도와 성공률을 크게 향상시켰습니다

다시 작성해야 할 내용은 다음과 같습니다. ▲ 그림 소스 딥 러닝

GNoME 모델은 새로운 물질 발견 비용을 줄이는 것을 목표로 합니다.

현재 전 세계 과학자들은 GNoME이 예측한 736개의 새로운 물질을 실험실에서 생산했으며 이는 GNoME의 결정 예측의 현실성과 타당성을 입증했습니다.

그리고 DeepMind는 이제 연구원들이 후보 물질을 테스트하고 제조하는 데 도움을 주기 위해 GNoME에서 새로 발견한 크리스탈 데이터베이스를 공개했습니다.

위 내용은 DeepMind, 220만 개의 새로운 크리스탈 소재 발견에 성공한 AI 도구 GNoME 출시의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!