Искусственный интеллект DeepMind совершил прорыв в области кристаллографии, открыв 2.2 миллиона новых, ранее неизвестных науке, кристаллических структур. 380 000 из этих кристаллов могут быть синтезированы в лабораторных условиях, и ученым уже удалось воспроизвести некоторые из них. Этот результат был бы невозможен без использования нейросетей, и его достижение заняло всего шесть месяцев, хотя раньше на это могли уходить годы.
Для создания новых материалов DeepMind использует роботизированную лабораторию A-Lab с множеством различных ингредиентов. Ученые экспериментируют с карбонатом лития и оксидом никеля для создания перспективных материалов для аккумуляторных батарей.
Получение новых материалов — длительный и трудоемкий процесс, требующий постоянного изменения компонентов. По словам Гербранда Седера, материаловеда Лаборатории Лоренса Беркли в Калифорнийском университете, в результате чаще всего получается просто порошок или суфле, без каких-либо особых свойств. Поэтому необходимо постоянно экспериментировать с различными компонентами, чтобы найти идеальное сочетание для получения необходимых свойств материала.
Количество доступных материалов в A-Lab значительно увеличилось благодаря нейронной сети GNoME, обученной на базе данных из 150 000 уже известных материалов.
Искусственный интеллект GNoME предложил проекты 2,2 млн новых материалов, из которых 380 тыс. были признаны стабильными. Эти материалы можно синтезировать с помощью роботизированной техники и увеличить базу известных науке материалов в 10 раз. Ученые надеются, что среди них может быть обнаружен потенциально новый электролит с улучшенными свойствами.
GNoME работает по принципу активного обучения. На первом этапе она использует графовую нейронную сеть (GNN) для анализа данных о структуре материалов из базы данных со 150 000 различными материалами и ищет закономерности между ними. Затем на основе периодической системы элементов (таблицы Менделеева) ИИ создает множество потенциальных материалов. После этого происходит проверка и корректировка предложенных структур с использованием методов квантовой механики, таких как теория функционала плотности. Наконец, весь процесс повторяется еще раз, но уже с использованием различных обучающих наборов данных, что позволяет GNoME генерировать более сложные и разнообразные структуры.
Для проверки стабильности полученных материалов ученые провели эксперимент, в котором случайным образом выбрали 58 предложенных нейронной сетью материалов и обнаружили, что 41 из них оказались стабильными, что соответствует эффективности 71%. Эксперимент занял 17 дней.
Авторы проекта убеждены, что использование искусственного интеллекта позволит получить множество новых материалов, которые могут быть использованы для усовершенствования различных технологий в различных сферах жизни.
Источник trashbox
