Исследователи из Google DeepMind совершили революционный прорыв в материаловедении, открыв 2,2 миллиона новых кристаллических структур с огромным потенциалом во многих отраслях. Только представьте, что до того, как эти структуры были предсказаны программами глубокого обучения Google, учёным было известно менее 50 000 различных кристаллов.

Это монументальное открытие не только демонстрирует мастерство ИИ в исследовании материалов, но и знаменует собой важную веху, превосходящую столетия научных открытий.

ИИ и инновации в материалах

Огромный клад новых кристаллов был обнаружен GNoME, ИИ глубокого обучения DeepMind, специально разработанным для этой цели. Обученный данными проекта «Материалы», GNoME предложил структуры, которые могут быть стабильными, а затем проверены с помощью установленных вычислительных методов.

Из более чем двух миллионов предсказанных кристаллических структур 381 000 наиболее многообещающих кандидатов открыто передаются ученым всего мира для дальнейшего исследования. Это означает, что количество известных материалов может вырасти в десять раз практически за одну ночь.

«Хотя материалы играют очень важную роль практически в любой технологии, мы, человечество, знаем лишь несколько десятков тысяч стабильных материалов», — сказал Догус Кубук, руководитель отдела поиска материалов в Google DeepMind, во время недавнего брифинга для прессы.

До сих пор открытие новых материалов было в основном медленным и дорогостоящим процессом проб и ошибок. Проверенный временем подход заключался в внесении дополнительных изменений в известные материалы или комбинировании элементов на основе принципов химии твердого тела. Этот трудоемкий метод за многие годы позволил получить десятки тысяч стабильных материалов.

Но с последней разработкой DeepMind возможности безграничны. Хотя эти материалы по-прежнему потребуют синтеза и испытаний — процесса, который по-прежнему занимает много времени — прогнозы ИИ, как ожидается, ускорят открытие материалов, жизненно важных для технологий следующего поколения, таких как хранение энергии, солнечные элементы и технологии высокой плотности. батареи.

Например, среди предсказанных материалов есть потенциальные литий-ионные проводники и новые слоистые соединения, подобные графену, которые открывают большие перспективы для сверхпроводящих материалов. Сверхпроводники могут проводить электрический ток с нулевым сопротивлением, что значительно повышает эффективность.

Параллельно реализуются инициативы, направленные на ускорение синтеза материалов. Экспериментальная A-Lab в Национальной лаборатории Лоуренса в Беркли может автоматически синтезировать материалы круглосуточно. За 17-дневный сеанс лаборатория синтезировала 41 материал — задача, которая обычно занимает месяцы или годы. В сочетании с кристаллическими структурами, предсказанными ИИ, можно представить, как новые материалы можно будет создавать с нуля практически в мгновение ока по сравнению с громоздкими традиционными методами.

«За этим будущее — разрабатывать материалы автономно с помощью компьютеров, а затем автономно создавать их с помощью этих роботизированных лабораторий и учиться на этом процессе», — заявила Кристин Перссон из Национальной лаборатории Лоуренса в Беркли на брифинге для СМИ.

Новая эра для материаловедения?

Потенциальные области применения исследования обширны: от разработки новых многослойных материалов до развития нейроморфных вычислений. По данным DeepMind, ученые из Калифорнийского университета в Беркли и Национальной лаборатории Лоуренса Беркли уже использовали эти результаты, создав новые материалы с вероятностью успеха более 70%.

Что особенно интересно, так это то, что это лишь последнее из череды прорывов в области искусственного интеллекта от DeepMind. Ранее подразделение искусственного интеллекта Google представило чрезвычайно мощный AlphaFold, который взломал код 200 миллионов белковых структур или практически всех белков, известных науке.

Результаты были опубликованы в журнале Природа.