ИИ GNoME представил 2,2 миллиона новых материалов, в том числе 700 синтезированных в лаборатории

ИИ GNoME компании DeepMind совершает революцию в области открытия материалов, предсказывая почти 2,2 миллиона новых структур за рекордное время. Этот технологический прорыв, объединивший машинное обучение и химию материалов, обещает ускорить разработку материалов, которые могут быть быстро использованы для создания новых типов батарей, полупроводников и солнечных технологий.

Благодаря достижениям в области суперкомпьютеров и моделирования исследователи теперь могут эффективно изучать новые материалы, необходимые для развивающихся технологий, избегая умозрительных и неэффективных подходов к их созданию с нуля.

В этом контексте искусственный интеллект DeepMind, дочерней компании Google, недавно совершил большой прорыв, создав новый инструмент под названием «Графические сети для исследования материалов» (GNoME). Он создал 2,2 миллиона кристаллических структур, 380 000 из которых являются стабильными, что делает их потенциально полезными для будущих технологий.

Этот прорыв, объединяющий передовые технологии и научные исследования, открывает беспрецедентные перспективы в области возобновляемых источников энергии и электроники. В перспективе это может привести к созданию более совершенных солнечных батарей, аккумуляторов, компьютерных чипов и многого другого. Отчеты об этих экспериментах опубликованы в журнале Nature.

Глубокое обучение революционизирует поиск новых материалов

Инструмент GNoME компании DeepMind — важнейшая инновация в области искусственного интеллекта — предсказал структуру миллионов материалов за рекордно короткое время, что стало беспрецедентным в истории материаловедения. Масштабное предсказание 2,2 миллиона новых материалов стало возможным благодаря использованию передовых графических сетей — направления глубокого обучения, специализирующегося на анализе и моделировании сложных данных.

Более 700 из этих материалов уже синтезированы в лаборатории, что является конкретным подтверждением точности и эффективности GNoME. В настоящее время эти материалы проходят тщательное тестирование для оценки их свойств и потенциальной применимости в различных областях. Этот этап проверки очень важен, поскольку позволяет нам перейти от теории к практике, превращая компьютерные прогнозы в реальные, полезные приложения.

GNoME также радикально меняет способ открытия материалов. Традиционно открытие новых материалов связано с длительными и дорогостоящими лабораторными экспериментами, часто основанными на методе проб и ошибок.

GNoME же использует комбинацию двух моделей глубокого обучения. Первая генерирует более миллиарда структур путем внесения изменений в существующие элементы материала. Вторая игнорирует существующие структуры и предсказывает стабильность новых материалов исключительно на основе химических формул. Сочетание этих двух моделей открывает гораздо более широкий спектр возможностей.

После создания структур-кандидатов они проходят фильтрацию в моделях GNoME компании DeepMind. Эти модели предсказывают энергию распада данной структуры, которая является важным показателем стабильности материала. GNoME отбирает наиболее перспективных кандидатов, которые проходят дальнейшую оценку на основе известных теоретических основ.

Такой подход не только ускорил процесс открытия, но и повысил точность предсказаний. Для некоторых материалов точность предсказания стабильности превысила 80 %, что является удивительно высоким показателем, свидетельствующим об эффективности ИИ в этой области.

По словам Цзюй Ли, профессора материаловедения и инженерии Массачусетского технологического института (MIT), GNoME можно назвать AlphaFold для обнаружения материалов. AlphaFold, система искусственного интеллекта DeepMind, анонсированная в 2020 году, предсказывает структуры белков с высокой точностью и с тех пор продвинула биологические исследования и открытие лекарств. Благодаря GNoME количество известных стабильных материалов увеличилось почти в десять раз — до 421 000.
На пути к технологическим инновациям, управляемым искусственным интеллектом

Материалы, предсказанные GNoME, обладают значительным потенциалом для нескольких технологических отраслей. В частности, 528 литий-ионных проводников, выявленных GNoME, могут быть использованы для улучшения аккумуляторов, особенно эффективности и долговечности литий-ионных батарей — ключевых компонентов электромобилей и мобильных устройств.

Кроме того, последствия этих открытий распространяются на полупроводники и солнечные батареи, где усовершенствованные материалы могут привести к повышению энергоэффективности и снижению затрат. Эти достижения особенно актуальны в то время, когда глобальный спрос на более чистые и эффективные энергетические решения постоянно растет.

Национальная лаборатория Лоуренса Беркли сыграла решающую роль в практическом воплощении этих открытий. Включив материалы, предсказанные GNoME, в свой проект «Материалы», лаборатория сделала важный шаг к воплощению этих инноваций в жизнь.

Автономная лаборатория A-Lab — прекрасный пример применения искусственного интеллекта и робототехники для разработки новых материалов. A-Lab продемонстрировала впечатляющую способность к быстрому синтезу новых соединений: всего за 17 дней был создан 41 материал из 58 предложенных. Эта поразительная эффективность показывает, как автоматизация и искусственный интеллект могут ускорить процессы исследований и разработок, открывая путь к быстрому и значительному прогрессу во многих областях.