DeepMind lance l'outil d'IA GNoME, qui aurait découvert avec succès 2,2 millions de nouveaux matériaux cristallins

Selon les informations du 1er décembre, DeepMind, une filiale de Google, a récemment présenté son propre outil d'IA GNoME dans la revue "Nature" et a présenté les applications associées de l'IA dans la science des matériaux. Il est rapporté que DeepMind a utilisé GNoME pour découvrir 2.2. millions de nouveaux cristaux. Parmi eux, 380 000 cristaux sont des matériaux stables qui peuvent être fabriqués en laboratoire et devraient être utilisés dans des batteries ou des supraconducteurs .

Le contenu qui doit être réécrit est : ▲Source de l'image deep learning

Dans les données actuelles de l'ICSD, environ 20 000 cristaux sont considérés comme étant dans un « état stable » dans les calculs précédents, Materials Project et d'autres équipes. Après avoir effectué une série de méthodes de calcul, 28 000 autres cristaux ont été trouvés. Cependant, DeepMind estime que même si les méthodes de calcul précédemment améliorées dans l'industrie peuvent accélérer la découverte de nouvelles structures cristallines, le coût en temps et en argent est assez élevé.

Le nouvel outil GNoME de DeepMind aurait brisé diverses méthodes de calcul précédentes et peut prédire avec précision une série de structures cristallines stables et générer 2,2 millions de matériaux. DeepMind affirme que Si ces calculs étaient calculés uniquement par la puissance humaine, il en faudrait 800. ans.

Le contenu qui doit être réécrit est : ▲Image source deep learning

Ce site a appris du rapport DeepMind que GNoME est très efficace dans le développement de matériaux. Le modèle a conçu un total de 52 000 nouveaux composés en couches de graphène. Auparavant, les humains n’avaient identifié qu’environ 1 000 matériaux similaires. De plus, GNoME a découvert 528 conducteurs potentiels de lithium-ion avec une conductivité jusqu'à 25 fois supérieure aux matériaux précédents. Les scientifiques estiment que les découvertes mentionnées ci-dessus devraient à elles seules améliorer la consommation énergétique des batteries actuellement utilisées dans les produits électroniques.

Le contenu qui doit être réécrit est : ▲Source d'image deep learning

DeepMind a souligné que GNoME utilise deux stratégies pour rechercher des matériaux, l'une consiste à créer des candidats basés sur des structures cristallines connues et l'autre est basée sur sur les entreprises de chimie, en explorant les structures candidates de manière plus stochastique. Le modèle utilise des réseaux de neurones pour traiter et analyser simultanément les résultats des deux méthodes, et utilise les calculs de la théorie fonctionnelle de la densité pour évaluer la stabilité de ces matériaux candidats. De plus, GNoME utilise également la méthode « Active Learning » pour améliorer la précision et l'efficacité de la prédiction des cristaux, améliorant ainsi considérablement la vitesse et le taux de réussite de la découverte de nouveaux matériaux

Le contenu qui doit être réécrit est : ▲ Figure Source Deep Learning

Le modèle GNoME vise à réduire le coût de la découverte de nouveaux matériaux Actuellement, des scientifiques du monde entier ont produit 736 nouveaux matériaux prédits par GNoME en laboratoire, ce qui prouve l'exactitude et la faisabilité des prédictions cristallines de GNoME. , et DeepMind a maintenant rendu publique la base de données de cristaux récemment découverte par GNoME pour aider les chercheurs à tester et à fabriquer des matériaux candidats.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!