Google DeepMind AI が 380,000 の新しいマテリアルを発見しました。 このロボットが彼らを調理しています。

Google DeepMind AI が 380,000 の新しいマテリアルを発見しました。 このロボットが彼らを調理しています。

タイムスタンプ：30年2023月5日40:XNUMX
Google DeepMind AI が 380,000 の新しいマテリアルを発見しました。このロボットが彼らを調理しています。 PlatoBlockchain データ インテリジェンス。垂直検索。あい。

ロボット化学者が AI 頭脳とチームを組んで、新しい材料の宝庫を作成しました。

Google DeepMind とカリフォルニア大学バークレー校の XNUMX つの共同研究では、電池や電池に役立つ可能性のある新材料の特性を予測するシステムについて説明しています。 太陽電池—そしてそれらを ロボットアーム.

私たちは、休日のごちそうに使うプラスチック製のカップ、スマートフォンの部品、冷たい風が吹いたときに体を温めてくれるジャケットの合成繊維など、日常の素材を当たり前のものと考えています。

科学者たちは、私たちが何かを作ることを可能にするおよそ 20,000 種類の材料を丹念に発見しました。 コンピュータチップ ふわふわしたコートや飛行機の翼まで。 さらに何万もの有用な可能性のある素材が開発中です。 まだ表面をなぞっただけです。

バークレーチーム は、材料を混ぜて加熱し、レシピを材料に自動的に変換するシェフのようなロボットを開発しました。 「味覚テスト」として、A-Lab と呼ばれるこのシステムは、各最終製品の化学的特性を分析して、それが的を射ているかどうかを確認します。

一方、 ディープマインドのAI A-Lab のシェフが料理するための無数のレシピを考え出しました。 膨大なリストです。 一般的な機械学習戦略を使用して、 AIが見つけた 380,000 万の化学構造と XNUMX の新しい安定した材料 - その多くは人間の直観に反しています。 この作品は、著者らが現在知っている資料を「桁違いに」拡張したものです。 書いた.

DeepMind のクックブックを使用して、A-Lab は 17 日間実行され、41 種類の標的化学物質のうち 58 種類を合成しました。これは、従来の実験では数年とは言わないまでも数か月かかったであろう成果です。

このコラボレーションにより、材料科学の新時代を切り開くことができるでしょう。 「とても印象深いですね」 と プリンストン大学のアンドリュー・ローゼン博士はこの研究には関与していませんでした。

化学物質について話しましょう

あなたの周りを見渡して。 私たちが当たり前だと思っているものの多く、つまりあなたがスクロールしているスマートフォンの画面は、材料化学に基づいています。

科学者は化学的に安定した構造を発見するために長い間試行錯誤してきました。 レゴ ブロックと同様に、これらのコンポーネントは劇的な温度変化や高圧に耐える複雑な材料に組み込むことができ、深海から宇宙まで世界を探索できるようになります。

マッピングが完了すると、科学者はこれらのコンポーネントの結晶構造をキャプチャし、それらの構造を参照用に保存します。 すでに何万ものデータがデータバンクに預けられています。

新しい研究では、DeepMind はこれらの既知の結晶構造を利用しました。 チームは、数十万のマテリアルを含む大規模なライブラリ上で AI システムをトレーニングしました。 材料プロジェクト。 このライブラリには、私たちがすでによく知っていて使用している材料と、未知ではあるが潜在的に有用な特性を持つ何千もの構造が含まれています。

DeepMind の新しい AI は、マテリアル プロジェクトの 20,000 個の既知の無機結晶と、さらに 28,000 個の有望な候補を対象にトレーニングし、どのような特性がマテリアルを望ましいものにするかを学習しました。

基本的に、AI はレシピをテストする料理人のように機能します。ここに何かを追加し、そこにいくつかの材料を変更し、試行錯誤を通じて望ましい結果に到達します。 データセットからデータを供給すると、安定性の可能性がある新しい化学物質とその特性の予測が生成されました。 その結果はAIにフィードバックされ、その「レシピ」がさらに磨き上げられました。

多くのラウンドにわたるトレーニングにより、AI は小さなミスを犯すことができました。 AI は、複数の化学構造を同時に交換する (場合によっては大惨事になる可能性があります) のではなく、小さな化学変化を繰り返し評価しました。 たとえば、ある化学成分を別の化学成分に置き換える代わりに、半分だけを置き換えることができます。 スワップが機能しなかったとしても問題ありません。システムは安定していない候補を除外します。

AI は最終的に 2.2 万の化学構造を生成し、そのうち 380,000 万は合成されれば安定すると予測しました。 新たに発見された材料のうち500以上は、今日の電池で重要な役割を果たしているリチウムイオン伝導体に関連したものでした。

「これは材料発見のための ChatGPT のようなものです。」 と コーネル大学のカーラ・ゴメス博士は、この研究には関与していませんでした。

マインド・トゥ・マター

DeepMind の AI 予測は、まさにその通りです。紙の上ではうまく見えることが、必ずしもうまくいくとは限りません。

ここで A-Lab の出番です。UC バークレー校の Gerbrand Ceder 博士率いるチームとローレンス バークレー国立研究所は、公開されている 30,000 以上の化学レシピに基づいて訓練された AI によって制御される自動ロボット システムを構築しました。 A-Lab はロボット アームを使用し、レシピに従って材料を選択、混合、加熱することで新しい材料を作成します。

41 週間にわたるトレーニングを通じて、A-Lab は人間の入力なしで 17 の新しい材料の一連のレシピを作成しました。 それは完全に成功したわけではなく、XNUMX の素材が基準を満たしていませんでした。 しかし、人間が少し介入するだけで、ロボットはこれらの材料を問題なく合成しました。

XNUMX つの研究を組み合わせることで、今日の世界的な課題に対処できる可能性のある新規化合物の世界が開かれます。 次のステップには、アルゴリズムに化学的および物理的特性を追加して、物理世界の理解をさらに向上させ、テスト用にさらに多くの材料を合成することが含まれます。

DeepMind は、AI とその化学レシピの一部を一般に公開しています。 一方、A-Lab はデータベースからレシピを実行し、その結果を Materials Project にアップロードしています。

Ceder 氏は、AI が生成した新素材の地図は「世界を変える」可能性があると述べています。 それはA-labそのものではありません、彼は と。 むしろ、それは「それが生み出す知識と情報」です。

画像クレジット: Marilyn Sargent/Berkeley Lab

タイムスタンプ：

より多くの 特異点ハブ