谷歌 DeepMind 人工智能材料发现

谷歌 DeepMind 人工智能（AI）预测了两百多万种新型化学材料的结构，这是一个里程碑。

这一发展、在最近的一篇《自然》论文中披露 这标志着现实世界技术的飞跃。

11 月 29 日星期三，这家人工智能公司在其科学出版物中报告说，近 40 万种理论材料设计即将进行实验室测试。

这项研究的潜在应用领域包括增强电池、太阳能电池板和计算机芯片，以提高整体性能。

该文件强调了确定和创造新材料历来成本高昂、时间密集的特点。

经过大约二十年的研究，如今在手机、笔记本电脑和电动汽车等设备中无处不在的锂离子电池才变得具有商业价值。

DeepMind 的研究科学家 Ekin Dogus Cubuk 表示乐观：

我们希望，在实验、自主合成和机器学习模型方面的巨大进步将大大缩短 10 到 20 年的时间，使其更易于管理；

DeepMind 开发的人工智能使用了材料项目的数据进行训练。劳伦斯伯克利国家实验室。

该数据集包含约 50,000 种已有材料的信息。

对研究界的承诺

DeepMind 承诺与研究界共享其数据，旨在加速材料发现领域的进一步突破。

然而材料项目主任克里斯汀-佩尔松 该文件还提到，业界对潜在的成本上升保持谨慎，并强调新材料往往需要一段时间才能实现成本效益

在成本增加的问题上，工业界倾向于规避风险，而新材料通常需要一段时间才能实现成本效益。如果我们能把时间再缩短一点，那将是一个真正的突破；

继人工智能成功预测这些新型材料的稳定性之后，DeepMind 现在又将重点转移到预测它们在实验室条件下的可合成性。