2023年11月29日，谷歌旗下的 DeepMind 利用人工智能（AI）预测了超过 200 万种新材料的结构，该公司表示这一突破性成果将推动现实世界的技术改进。其相关研究成果已经在当地时间周三以题《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《Nature》上。

DeepMind 研究员在论文中指出，其假设的近 40 万个材料设计中的大部分很快就可以在实验室条件下生产出来。这项研究可以为生产性能更好的电池、太阳能电池板和计算机芯片提供帮助。通过使用 AI 预测这些新材料的稳定性后，DeepMind 表示下一步的研究重心将转向预测它们在实验室中合成的难易程度。实际上，新材料的发现和合成其实是一个十分昂贵且耗时的过程，例如我们目前随处可见的锂离子电池的商业应用过程经历了大约 20 年的时间，其间耗费无数成本与心血。“我们希望通过实验、自主合成和机器学习模型的巨大改进，将这个 10 到 20 年的时间缩短到一个更容易控制的范围”，DeepMind 的研究员 Ekin Dogus Cubuk 说道。据介绍，DeepMind 的 AI 是基于 Materials Project 数据进行训练的。这是一个于 2011 年在劳伦斯伯克利国家实验室成立的国际研究组织，目前拥有约 5 万种已知材料的研究成果。该公司表示，现在将与研究界分享其数据，以期加速材料发现的进一步突破。

据论文描述，GNoME 已将结构稳定预测的精确性提高到 80% 以上，在预测成分时每 100 次试验的精确度提高到 33%（相比之下，此前工作中该数字仅为 1%）。

Google DeepMind 材料发现团队负责人 Ekin Dogus Cubuk 表示：“我们希望 GNoME 项目能够推动无机晶体研究的发展。外部研究人员已经通过独立的物理实验验证了 GNoME 发现的 736 多种新材料，证明了我们模型的发现可以在实验室中实现。”

然而，研究团队在论文中也指出，在实际应用中，GNoME 仍存在一些开放性问题，其中包括由竞争多形体引发的相变、振动轮廓和构型熵引起的动态稳定性，以及对最终合成能力的更深入理解。

为了制造 Materials Project 预测的新化合物，A-Lab 的 AI 通过研究科学论文并使用主动学习进行调整，创造出了新的配方。

                                                                                                               点击图片查看视频

点击查看文章详细内容：https://www.nature.com/articles/s41586-023-06734-w

在DeepMind的实验室中，出现了科晶的1200℃高通量自动化管式炉：

上图中的设备型号：OTF-1200X5-ASD-2

部分参数： ·最高温度：1200℃（小于0.5小时）

       ·连续工作温度：1100℃

                                                                                                        （点击图片查看详情）

更多自动化设备：

                                      （点击图片查看详情）

如果您想了解设备，请于我公司销售部联系

欢迎您来到科晶开放实验室参观与亲自试用

特别说明：

1. 客户案例照片选自于公开的媒体内容，如果有任何不妥的地方，请直接与我们联系，我们将第一时间为您处理。电话13856008823

2. 欢迎您提供包含有我设备的媒体线索，请与我们联系（手机13856008823微信同步 固话0551-65591676），我们将会有精美的礼品奉上。