作者 | 徐珊

编辑 | 云鹏

智东西11月30日报道，今天谷歌DeepMind宣布，其用于材料探索的AI工具GNoME发现了220万种新晶体预测，其中有38万个稳定的晶体结构，有望通过实验合成。这些材料预测相当于800年的知识价值，部分材料或许会引发技术变革，如下一代电池、超导体等。该项研究成果已发表在11月29日的《自然》。

GNoME项目旨在降低发现新材料的成本。目前谷歌DeepMind已和多家实验室合作，已有736种GNoME新材料被制造。其中，劳伦斯伯克利国家实验室通过人工智能预测完成了自主材料合成。该项研究过程以及成果同样登陆在11月29日《自然》。

论文链接：https://www.nature.com/articles/s41586-023-06735-9

一、发现220万种材料，创AI材料最大预测规模和最高准确度

过去，科学家们需要在实验室通过反复调整或实验不同的材料才能找到新的晶体结构，可能需要花费数月时间才能取得一定成果，且代价高昂。随着技术发展，人们通过引入AI技术发现了28000种新材料，但AI在准确预测实验可行性和预测规模上遇到一定瓶颈。

▲GNoME的预测材料范围

GNoME此次发现220万种材料中，有52000种类似于石墨烯的新型层状化合物可能随着超导体的发展而彻底改变电子学。并且，此次研究还发现了528个潜在的锂离子导体，可用于提高可充电电池的性能。

谷歌DeepMind共发布了380000种稳定材料的预测结构，这些材料最有可能在实验室中成功制造并应用。相对稳定的材料，不会被分解成具有较低能量的结构。例如，与钻石中的碳相比，类石墨烯结构中的碳是稳定的。

二、利用GNN进行材料探索，GNoME将发现率提高至80%

GNoME是一种先进的图神经网络（GNN）模型。该模型的输入数据主要采用图表的形式，形成类似原子之间的连接，这也让GNoME更容易发现新的晶体材料。

据介绍，GNoME将会预测新型稳定晶体的结构，然后通过DFT（密度泛函理论）进行测试，并将所得的高质量训练数据反馈到模型训练中。

▲GNoME的预测材料过程

GNoME最初被喂了有关晶体结构及其稳定性的数据训练，部分数据从Materials Project公开获得。现阶段，新模型将材料稳定性预测的发现率从50%左右提高到80%，新材料的发现率从10%以下提高到80%以上，该效率的提高可能会对每次发现所需的计算量产生重大影响。

谷歌现已向研究界发布了新发现晶体的数据库，希望帮助科学家们测试并制造出最好的材料。

基于这些晶体的新技术的快速开发将取决于它们的制造能力。伯克利实验室的合作者领导的一篇论文中，研究人员表明机器人实验室可以利用自动合成技术快速制造新材料。

基于材料项目中的已有材料和GNoME对稳定性的见解，机器人实验室创建了晶体结构的新配方，并成功合成了超过41种新材料，为材料合成开辟了新的可能性。

如今，谷歌和伯克利实验室、谷歌研究院以及世界各地团队的合作者的研究表明了使用人工智能指导材料发现、实验和合成的潜力。

目前AI对材料的训练主要基于预测AI结构，谷歌DeepMind的研究成功表明现阶段通过AI模型预测材料结构的规模和准确性已大幅提高。

但在现有的数据结构下，又会带来哪些对产业有实质影响的新材料？我们或许可以期待新材料带来的无限想象。