단 하나의 AI를 사용하여 인간이 발전하는 데 거의 800년이 걸렸다는 지식을 얻었습니다!
Google DeepMind에서 새롭게 연구한 물질 발견 도구이며, 해당 논문이 Nature에 게재되었습니다.
이 AI 도구만으로 이론적으로 안정한 220만 새로운 결정 물질을 발견하여 물질 안정성 예측 정확도를 50%에서 80%로 높였을 뿐만 아니라 380,000종이 투입되었습니다. 테스트에 들어갑니다.
Google DeepMind는 지난 10년 동안 28,000개의 안정적인 물질이 발견되었다는 점을 고려하면 이 연구는 거의 800년에 달하는 지식 축적에 해당한다고 밝혔습니다.
업계 전문가들은 진행 속도에 정말 놀라고 있습니다
Financial Times에 따르면 MIT 교수 Bilge Yildiz는 이 연구에 대해 다음과 같이 말했습니다.
이 거대한 무기 결정 데이터베이스는 앞으로 발견될 발견으로 가득 차 있어야 합니다. . 청정 에너지 및 환경 문제에 대한 솔루션을 발전시키는 "보석"입니다.
현재 Zhihu에서는 이 주제가 화제가 되고 있습니다.
그럼 이건 어떤 AI 도구일까요?
이 글에서는 GNoME(Graph Networks for Materials Exploration)이라는 새로운 도구를 제안합니다.
GNoME의 아키텍처는 그래프 신경망(GNN)으로, 노드는 결정 구조에서 원자를 나타내는 데 사용되고 가장자리는 결정 구조에서 결합 관계를 나타내는 데 사용됩니다.
이후 GNoME는 재료 프로젝트, OQMD(Open Quantum Materials Database) 등을 포함하여 일련의 알려진 안정적인 재료 데이터 세트를 훈련에 사용했습니다.
이 도구는 능동 학습을 통해 새로운 자료를 발견합니다.
먼저, 알려진 안정적인 재료를 기반으로 후보 구조를 생성한 다음 GNoME는 이러한 후보 구조를 선별합니다
물론, GNoME에서 초기에 선별한 구조는 직접 사용할 수 없지만 밀도를 기반으로 한 구조 안정성 검증이 필요합니다. 기능 이론(DFT).
이후 이러한 검증된 구조는 예측 기능을 향상시키기 위해 새로운 훈련 데이터로 GNoME에 다시 공급됩니다.
GNoME은 결국 220만 개가 넘는 새로운 안정적인 결정 구조를 발견했는데, 이는 이 방법의 결과입니다
동시에 5개 이상의 고유한 요소 구조를 포함하는 셀에 대해서도 특정 일반화 능력도 보여주었습니다. 정확하게 예측할 수 있습니다.
그렇다면 새로 발견된 220만 개의 안정적인 결정 물질은 무엇을 할까요?
가장 직관적인 관점은 신에너지 배터리(태양전지 등), 초전도체, 칩 분야에서 발전의 희망이 있다는 것입니다.
GNoME은 현재 이론적으로 안정적인 결정 물질만 계산할 수 있지만 실험적 합성이 성공하면 그 특성을 평가할 수 있습니다.
새롭게 발견된 안정적인 결정 물질은 초전도, 강유전성, 광전자 및 기타 특성에 대해 평가되었습니다. 에너지, 정보통신, 센싱 등의 분야에서 활용 가능
보도에 따르면, 연구진은 GNoME에서 계산한 결정이 합성 가능하다는 것을 증명하기 위해 현재 실험실에서 736개의 물질을 합성했다고 합니다.
또한 합성된 재료는 새로운 재료 설계를 위한 지침으로 사용되거나 다른 AI 모델을 훈련하고 최적화하기 위한 새로운 데이터 세트로 사용될 수도 있습니다.
예를 들어 캘리포니아 대학교 버클리 캠퍼스와 로렌스 버클리 국립 연구소에서는 이러한 발견된 물질을 실험 작업의 일부로 사용했으며 해당 논문은 Nature에도 게재되었습니다.
팀은 A-Lab을 구축하고 58개의 계산된 재료로부터 41개의 화합물을 70% 이상의 성공률으로 성공적으로 합성했습니다.
이번 연구와 관련하여 일부 네티즌들은 이미 의학의 진보 등 소재의 도약 가능성을 상상하고 있습니다.
일부 네티즌들은 점차 가라앉고 있는 LK-99에서도 힌트를 얻었습니다. 재료과학은 뒤쪽에.
어떤 사람들은 이 발견된 자료가 인류 전체에 유익할 수 있기를 바랍니다
이 AI 예측 자료가 다른 어떤 분야에 적용될 수 있다고 생각하시나요?
위 내용은 AI가 재료과학의 혁명을 이끈다! 네이처(Nature)에 게재된 구글 딥마인드(Google DeepMind)의 최신 연구는 220만 개의 새로운 물질을 성공적으로 예측했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!