A Google DeepMind AI nemrégiben 380,000 XNUMX új anyagot fedezett fel. Ez a Robot Főzi Őket.

A Google DeepMind AI nemrégiben 380,000 XNUMX új anyagot fedezett fel. Ez a Robot Főzi Őket.

Időbélyeg: 30. november 2023. 5:40
A Google DeepMind AI Just Discovered 380,000 New Materials. This Robot Is Cooking Them Up. PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Egy robotvegyész összeállt egy mesterséges intelligencia aggyal, hogy új anyagokat hozzon létre.

A Google DeepMind és a Kaliforniai Egyetem (Berkeley) két közös tanulmánya egy olyan rendszert ír le, amely előrejelzi az új anyagok tulajdonságait – beleértve azokat is, amelyek potenciálisan hasznosak lehetnek akkumulátorokban és napelemek-és előállítja őket a robotkar.

Magától értetődőnek vesszük a mindennapi anyagokat: műanyag poharakat az ünnepi lakomákhoz, az okostelefonunkban lévő alkatrészeket vagy a kabátokban lévő szintetikus szálakat, amelyek melegen tartanak minket, amikor hideg szél támad.

A tudósok nagy gonddal fedeztek fel nagyjából 20,000 XNUMX különböző típusú anyagot, amelyekből bármit megépíthetünk. számítógépes chipek puffadt kabátokra és repülőgépszárnyakra. Még több tízezer potenciálisan hasznos anyag van folyamatban. Mégis csak a felszínt kapargattuk.

A Berkeley csapat kifejlesztett egy séfszerű robotot, amely összekeveri és felmelegíti az összetevőket, és a recepteket automatikusan anyagokká alakítja. Az A-Lab névre keresztelt rendszer „íztesztként” elemzi az egyes végtermékek kémiai tulajdonságait, hogy kiderüljön, megfelel-e a cél.

Eközben DeepMind AI számtalan receptet álmodott meg az A-Lab séfjének főzéshez. Ez egy vaskos lista. Egy népszerű gépi tanulási stratégia használatával, talált az AI kétmillió kémiai szerkezet és 380,000 XNUMX új stabil anyag – sok ellentmond az emberi intuíciónak. A munka „nagyságrendi” bővítése a jelenleg általunk ismert anyagokon, a szerzők írt.

A DeepMind szakácskönyvének felhasználásával az A-Lab 17 napig futott, és az 41 célvegyszerből 58-et szintetizált – ez a győzelem hónapokig, ha nem évekig tartott volna a hagyományos kísérletek során.

Az együttműködés együtt az anyagtudomány új korszakát indíthatja el. "Nagyon lenyűgöző" mondott Dr. Andrew Rosen a Princeton Egyetemen, aki nem vett részt a munkában.

Beszéljünk a vegyi anyagokról

Nézz körül. Sok dolog, amit természetesnek tartunk – az az okostelefon képernyője, amelyen görgethet – az anyagkémián alapul.

A tudósok régóta próbálkoznak tévedésekkel, hogy felfedezzenek kémiailag stabil szerkezeteket. A Lego blokkokhoz hasonlóan ezek az alkatrészek olyan összetett anyagokba építhetők, amelyek ellenállnak a drámai hőmérséklet-változásoknak vagy a magas nyomásnak, így felfedezhetjük a világot a mélytengertől a világűrig.

Miután feltérképezték, a tudósok rögzítik ezen komponensek kristályszerkezetét, és referenciaként elmentik azokat. Tízezrek vannak már elhelyezve az adatbankokban.

Az új tanulmányban a DeepMind kihasználta ezeket az ismert kristályszerkezeteket. A csapat egy mesterséges intelligencia rendszert képezett ki egy hatalmas könyvtáron, amely több százezer anyagot tartalmaz, az úgynevezett Anyagprojekt. A könyvtár olyan anyagokat tartalmaz, amelyeket már ismerünk és használunk, valamint több ezer ismeretlen, de potenciálisan hasznos tulajdonságú szerkezetet.

A DeepMind új mesterséges intelligenciája 20,000 28,000 ismert szervetlen kristályon – és további XNUMX XNUMX ígéretes jelölten – tanult az Anyagprojektből, hogy megtudja, milyen tulajdonságok tesznek kívánatossá egy anyagot.

Lényegében a mesterséges intelligencia úgy működik, mint egy szakács, amely recepteket tesztel: Adjon hozzá egy keveset, változtassa meg az összetevőket, és próba-szerencse módszerrel eléri a kívánt eredményt. Az adatkészletből származó adatokkal előrejelzéseket generált a potenciálisan stabil új vegyszerekre, valamint azok tulajdonságaira. Az eredményeket visszacsatolták az MI-be, hogy tovább csiszolják a „receptjeit”.

Sok körön keresztül az edzés lehetővé tette az MI-nek, hogy apró hibákat kövessen el. Ahelyett, hogy egyszerre több kémiai szerkezetet cserélt volna fel – ez potenciálisan katasztrofális lépés – az AI iteratívan értékelte a kis kémiai változásokat. Például ahelyett, hogy az egyik kémiai komponenst egy másikra cserélné, megpróbálhatja csak a felét helyettesíteni. Ha a swapok nem működtek, semmi gond, a rendszer kigyomlálta a nem stabil jelölteket.

Az AI végül 2.2 millió kémiai szerkezetet hozott létre, amelyek közül 380,000 500 stabil lesz, ha szintetizálják. Az újonnan talált anyagok közül több mint XNUMX lítium-ion vezetőkkel kapcsolatos, amelyek kritikus szerepet játszanak a mai akkumulátorokban.

„Ez olyan, mint a ChatGPT az anyagok felfedezéséhez” mondott Dr. Carla Gomes a Cornell Egyetemen, aki nem vett részt a kutatásban.

Mind to Matter

A DeepMind mesterséges intelligencia-előrejelzései pontosan ezt mutatják: ami papíron jól néz ki, nem biztos, hogy mindig sikerül.

Itt jön be az A-Lab. A Dr. Gerbrand Ceder (UC Berkeley) és a Lawrence Berkeley National Laboratory által vezetett csapat egy olyan automatizált robotrendszert épített fel, amelyet egy több mint 30,000 XNUMX publikált kémiai recept alapján kiképzett mesterséges intelligencia irányít. Az A-Lab robotkarok segítségével új anyagokat épít az összetevők recept szerinti szedésével, keverésével és melegítésével.

A kéthetes képzés során az A-Lab egy sor receptet készített 41 új anyaghoz emberi beavatkozás nélkül. Nem volt teljes siker: 17 anyag nem érte el a célját. Azonban egy csipetnyi emberi beavatkozással a robot gond nélkül szintetizálta ezeket az anyagokat.

A két tanulmány együtt olyan új vegyületek univerzumot nyit meg, amelyek megfelelhetnek a mai globális kihívásoknak. A következő lépések közé tartozik a kémiai és fizikai tulajdonságok hozzáadása az algoritmushoz, hogy jobban megértse a fizikai világot, és több anyag szintetizálása a teszteléshez.

A DeepMind nyilvánosságra hozza mesterséges intelligenciáját és néhány kémiai receptjét. Eközben az A-Lab recepteket futtat az adatbázisból, és feltölti az eredményeket az Anyagprojektbe.

Ceder szerint egy mesterséges intelligencia által generált új anyagok térképe „megváltoztathatja a világot”. Ez nem maga az A-labor, ő mondott. Inkább „az általa generált tudás és információ”.

A kép forrása: Marilyn Sargent/Berkeley Lab

Időbélyeg:

Még több Singularity Hub