Google DeepMind推出GNoME：一種新的深度學(xué)習(xí)工具，通過(guò)預(yù)測(cè)新材料的穩(wěn)定性，顯著提高了發(fā)現(xiàn)速度和效率

無(wú)機(jī)晶體對(duì)許多當(dāng)代技術(shù)至關(guān)重要，包括計(jì)算機(jī)芯片、電池和太陽(yáng)能電池板。每個(gè)新的、穩(wěn)定的晶體都是通過(guò)數(shù)月的細(xì)致實(shí)驗(yàn)得出的，而穩(wěn)定的晶體對(duì)于啟用新技術(shù)至關(guān)重要，因?yàn)樗鼈儾粫?huì)溶解。

研究人員進(jìn)行了昂貴的反復(fù)試驗(yàn)，但結(jié)果有限。他們通過(guò)修改現(xiàn)有晶體或嘗試其他元素組合來(lái)尋找新的晶體結(jié)構(gòu)。在過(guò)去的十年里，由Materials Project等主導(dǎo)的計(jì)算方法發(fā)現(xiàn)了28,000種新材料。直到現(xiàn)在，新興的人工智能引導(dǎo)技術(shù)可靠地預(yù)測(cè)實(shí)驗(yàn)可行的材料的能力一直是一個(gè)主要限制。

來(lái)自勞倫斯伯克利國(guó)家實(shí)驗(yàn)室和Google DeepMind的研究人員在《自然》雜志上發(fā)表了兩篇論文，展示了我們的人工智能預(yù)測(cè)在自主材料合成方面的潛力。該研究顯示找到了220萬(wàn)個(gè)新晶體，相當(dāng)于約800年的信息量。他們的新深度學(xué)習(xí)工具，材料探索圖網(wǎng)絡(luò)（GNoME），預(yù)測(cè)了新材料的穩(wěn)定性，極大地提高了發(fā)現(xiàn)的速度和效率。GNoME展示了人工智能在大規(guī)模發(fā)現(xiàn)和開(kāi)發(fā)新材料方面的潛力。全球不同實(shí)驗(yàn)室的科學(xué)家同時(shí)進(jìn)行的努力產(chǎn)生了736種這樣的新結(jié)構(gòu)。

GNoME使技術(shù)上可行的材料數(shù)量增加了兩倍。在其220萬(wàn)個(gè)預(yù)測(cè)中，有38萬(wàn)個(gè)由于其穩(wěn)定性而被認(rèn)為在實(shí)驗(yàn)合成中具有最大潛力。其中包括具有提高電動(dòng)汽車(chē)效率的下一代電池和為超級(jí)計(jì)算機(jī)提供動(dòng)力的超導(dǎo)體等材料。

GNoME是一種先進(jìn)的圖神經(jīng)網(wǎng)絡(luò)（GNN）模型。由于GNN輸入數(shù)據(jù)由類(lèi)似于原子連接的圖表示，GNN非常適合尋找新的結(jié)晶材料。

最初用于訓(xùn)練GNoME的晶體結(jié)構(gòu)及其穩(wěn)定性的數(shù)據(jù)是通過(guò)Materials Project公開(kāi)提供的。采用“主動(dòng)學(xué)習(xí)”作為訓(xùn)練方法顯著提高了GNoME的效率。研究人員生成了新的晶體候選，并使用GNoME預(yù)測(cè)了它們的穩(wěn)定性。他們使用密度泛函理論（DFT），這是物理學(xué)、化學(xué)和材料科學(xué)中一種被廣泛采用的計(jì)算方法，用于理解原子結(jié)構(gòu)——這對(duì)于評(píng)估晶體穩(wěn)定性至關(guān)重要——在漸進(jìn)的訓(xùn)練周期中反復(fù)檢查模型的性能以評(píng)估其預(yù)測(cè)能力。高質(zhì)量的訓(xùn)練數(shù)據(jù)再次進(jìn)入該過(guò)程。

研究結(jié)果表明，該研究將材料穩(wěn)定性預(yù)測(cè)的發(fā)現(xiàn)率從約50%提高到80%，使用早期最先進(jìn)模型作為指南的外部基準(zhǔn)集。對(duì)該模型效率的改進(jìn)使發(fā)現(xiàn)率從不到10%提高到80%以上；這些效率的提高可能對(duì)每一次發(fā)現(xiàn)所需的計(jì)算能力產(chǎn)生重大影響。

自主實(shí)驗(yàn)室利用來(lái)自Materials Project的成分和GNoME的穩(wěn)定性信息生產(chǎn)了超過(guò)41種新材料，為AI驅(qū)動(dòng)的材料合成的進(jìn)一步發(fā)展鋪平了道路。

GNoME的預(yù)測(cè)已經(jīng)向科學(xué)界發(fā)布。研究人員將提供這些預(yù)測(cè)給Materials Project，該項(xiàng)目將分析這些化合物并將它們添加到其在線數(shù)據(jù)庫(kù)中，其中包含38萬(wàn)種材料。通過(guò)這些資源的幫助，他們希望社區(qū)將進(jìn)一步研究無(wú)機(jī)晶體，并認(rèn)識(shí)到機(jī)器學(xué)習(xí)技術(shù)作為實(shí)驗(yàn)指南的潛力。