元宇宙里賣酸奶，好炸裂的操作！
作者 | 李東陽 來源 | 首席營銷官有沒有發現，當下的熱搜出現一個有意思的現象，那就是“情懷”不知不覺成為了主流，爺青回話題討論性非常高。前有名偵探柯南和優衣庫
12 月 1 日消息，谷歌旗下 DeepMind日前在《自然》期刊上展示了自家AI工具 GNoME，并介紹了AI在材料科學上的相關應用，據悉，DeepMind使用 GNoME 發現了 220 萬種新晶體，其中有 38 萬種晶體屬于穩定材料，可以在實驗室制造，有望應用在電池或是超導體等方面。
目前 ICSD 數據中，約有 2 萬種晶體在計算上被認為處于“穩定態”，此前 Materials Project 等團隊通過一系列計算方法，又找出了 2.8 萬種晶體。不過DeepMind認為，此前業界經過改進的計算方法，雖然能夠加快發現新晶體結構的速度，但是時間與金錢成本相當高。
而 DeepMind 的新工具 GNoME，據稱突破了此前的各種計算方法，能夠準確預測一系列穩定的晶體結構，并從中生成了 220 萬種材料，DeepMind 聲稱，如果僅憑借人力計算出這些材料，需要花費 800 年。
從 DeepMind 報告中獲悉，GNoME 開發材料的效率相當高，該模型一共設計了 5.2 萬種新型石墨烯層狀化合物，而在之前，人類只鑒定出約 1,000 種類似的材料。此外，GNoME 還發現 528 種潛在的鋰離子導體，導電能力可達之前材料的 25 倍。科學家認為，僅僅是上述發現，就有望改善目前電子產品中應用的電池能耗。
DeepMind提到，GNoME 采用兩種策略來尋找材料，第一種是根據已知晶體結構創造候選物，另一種則是基于化學公司，以更隨機的方式探索候選物結構。該模型同時通過神經網絡來處理和分析上述兩種方法的輸出，使用密度泛函理論（Density Functional Theory）計算，來評估這些候選物的穩定性。并利用一種稱為“主動學習（Active Learning）”的方法來提高晶體預測精準度和效率，從而大幅增加發現新材料的速度和成功率。
GNoME 模型旨在是降低發現新材料的成本，目前全球的科學家已在實驗室制造出 736 種 GNoME 所預測的新材料，這證明了 GNoME 的晶體預測在現實中的準確性與可行性，而 DeepMind 目前已經將 GNoME 新發現的晶體數據庫公開，協助科研人員測試和制造候選材料。
本文鏈接：http://www.tebozhan.com/showinfo-45-2746-0.htmlDeepMind 推出 AI 工具 GNoME，號稱已發現 220 萬種新晶體材料
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號