谷歌科学家利用人工智能开发380,000种新材料

开放获取资源的扩展有助于科学家为未来技术开发新材料

材料科目（Materials Project）是一个开放式的新材料数据库。Google DeepMind贡献了400,000种新化合物

新技术的进步离不开新材料的开发，有了超级计算机及其先进的模拟，研究人员可以绕过耗时且往往效率低下的反复试验过程。

美国能源部的劳伦斯伯克利国家实验室（伯克利实验室）在2011年建立一个开放存取材料科目的数据库，计算已知和预测材料的属性。研究人员可以专注于未来技术的有前途的材料，如提高汽车燃油经济性的更轻的合金，促进可再生能源的更高效的太阳能电池，或者下一代计算机的更快的晶体管。

现在，谷歌的人工智能实验室DeepMind为材料项目贡献了近400,000种新化合物，扩大了研究人员可以利用的信息量。数据集包括材料的原子是如何排列的（晶体结构）和它的稳定性（形成能）。

（Ba Nb O）是Gn oME计算的新材料之一。它含有钡（蓝色）、铌（白色）和氧（绿色）

伯克利实验室材料项目的创始人和主任、加州大学伯克利分校教授Kristin Persson表示：如果我们要应对全球环境和气候挑战，我们必须创造新材料。随着材料的创新，我们有可能开发可回收塑料，利用废弃能源，制造更好的电池，制造更便宜、更持久的太阳能电池板，以及其他许多事情。

Gn oME在材料发现中的作用

为了生成新数据，Google DeepMind开发了一个名为材料探索图网络（Graph Networks for Materials Exploration，简称GNoME）的深度学习工具。研究人员使用材料项目十多年来开发的工作流和数据来训练GNoME，并通过主动学习改进GNoME算法。GNoME研究人员最终生成了220万个晶体结构，其中包括他们正在添加到材料项目中的380,000个，并预测它们是稳定的，使其在未来技术中具有潜在的用途。

Google DeepMind的最新研究结果最近发表在《自然》杂志上。

在人工智能引导机器人创造了材料项目所预测的40多种新材料，利用Gn oME的数据预测材料是否稳定

GNoME的一些计算与材料项目的数据一起用于测试A—Lab，这是伯克利实验室的一个设施，人工智能指导机器人制造新材料。A-Lab的另一篇论文也发表在《 自然 》上，表明自主实验室可以用最少的人力投入快速发现新材料。

在17天的独立运作中，A-Lab成功地从58种化合物中生产出41种新化合物——平均每天生产两种以上的新材料。相比之下，人类研究人员可能需要几个月的猜测和实验来创建一个新的所需的材料。

为了制造材料项目预测的新化合物，A-Lab的人工智能通过梳理科学论文和使用主动学习进行调整，创造了新的配方。材料项目和Gn oME的数据被用来评估材料的预测稳定性。

伯克利实验室的材料项目为研究人员提供了各种材料的关键信息。图片显示了材料项目数据库中12种化合物的结构

A-Lab的首席研究员、伯克利实验室和加州大学伯克利分校的科学家Gerd Ceder称他们有惊人的71%的成功率。这表明将理论和数据端与自动化相结合，会产生令人难以置信的结果。他们可以比以往更快地制造和测试材料，在材料项目中添加更多数据点意味达到更好的效果。

材料项目的未来影响

材料科目是世界上使用最广泛的无机材料开放存取信息库。该数据库拥有数十万个结构和分子的数百万个属性，信息主要在伯克利实验室的国家能源研究科学计算中心处理。超过400,000人注册为该网站的用户，平均每天发表四篇以上引用材料项目的论文。来自Google DeepMind的贡献是自材料项目开始以来最大的结构稳定性数据。

谷歌DeepMind材料发现团队的领导者Ekin Dogus Cubuk表示他们希望GNoME项目将推动无机晶体的研究，。外部研究人员也已经通过同步、独立的物理实验验证了736种以上的GNoME新材料，证明了他们在实验室中实现对模型的发现。”

令人兴奋的是，研究人员正在利用他们所做的工作来产生前所未有的材料信息，他们的的数据可免费来加速全世界的材料设计，也为了让全世界知道计算能为你做什么。它们可以比单独的实验更有效、更迅速地搜索大空间，寻找新的化合物和性质。”

材料科目的许多计算都是在伯克利实验室的国家能源研究科学计算中心的超级计算机上进行的

在过去的十年中，通过跟踪材料科目中的数据，研究人员已经在实验中证实了新材料在几个领域中的有用特性。一些非常有潜力的科目：

在碳捕获（从大气中提取二氧化碳）

作为光催化剂（对光反应加速化学反应的材料，可用于分解污染物或产生氢气）

作为热电材料（可以帮助利用废热并将其转化为电力的材料）

作为透明导体（可用于太阳能电池、触摸屏或LED）

材料科目和A-Lab等设施的目标是利用数据，实现数据驱动的探索，并最终为用户提供更多的可行目标。