Google DeepMind的研究人员发现了220万的晶体结构，这些晶体结构在从可再生能源到高级计算等领域开辟了巨大的潜在发展动力，并展示了人工智能发现新材料的能力。
根据近日发表在《自然》杂志上的一篇论文表示，Google DeepMind使用一种名为GNoME的人工智能工具提供了大量新的晶体结构组合，这些结构组合虽然还未在实验上实现，但是却是可以确定的理论上较稳定的结构，而这一成果的数量比科学史上发现的此类物质的数量大45倍以上。
研究人员计划提供约38万种最有前途的结构，以制造和测试它们在从太阳能电池到超导体等领域的可行性。该机构强调了利用人工智能缩短多年的实验进程，并有可能提供改进的产品和流程。
图1：材料项目数据库中 12 种化合物的结构
该论文的合著者Ekin Dogus Cubuk表示，材料科学的进步将会推动一切科技领域的发展。
几千年来，人们一直在稳步增加稳定物质的名册，最初是通过研究人员观察自然界发现的物质或通过基本的化学反应甚至是意外事件发现它们。然而最近，却是由AI机器人来提供新材料的候选晶体结构了。
根据近期发表在《自然》杂志上的另一篇论文，加州大学伯克利分校和劳伦斯伯克利国家实验室的研究人员已经将这些发现作为创造新材料的实验工作的一部分。
该团队部署了计算、历史数据和机器学习来指导一个名为A-lab的自主实验室，从41种目标列表中创建58种新化合物，成功率超过70%。
图2：A-lab自主实验室里机器人正在工作
“高成功率令人惊讶，并且可以进一步提高，”该论文的合著者、该大学教授Gerbrand Ceder说，“改进的关键是如何将人工智能技术与现有来源相结合，例如过去合成反应的大型数据集。”
“虽然A-lab的机器人技术很酷，但真正的创新是将各种知识和数据源与A-lab集成，以智能地推动合成，”他说。
《自然》杂志的两篇论文中概述的技术将使新材料能够“以必要的速度应对世界的巨大挑战”，麻省理工学院教授Bilge Yildiz说。
“这个庞大的无机晶体数据库理论上蕴含了许多宝藏，这将推进清洁能源和环境挑战的解决方案，”在麻省理工学院材料科学与工程系和核科学与工程系工作的Yildiz说，这些论文代表了在寻求“以远超传统经验综合方法的速度获得材料”方面取得的进一步“令人振奋的进展”。
