AIが材料科学に革命を起こす！ Google DeepMindの新しい研究がNatureに掲載され、一度に220万の新素材を予測した。

たった 1 つの AI を使って、人類が生み出すのに 800 年近くかかった知識を獲得しました。

これはGoogle DeepMindの新しい材料発見ツールであり、その論文はNatureに掲載されています。

このAIツールのみを使用して、理論的に安定した新しい結晶材料220万個を発見し、材料の安定性を予測する精度を50％から80％に向上させただけでなく、そのうち38万個がすでにテストされています。

グーグル・ディープマインドは、安定した物質が過去10年間に2万8000個発見されたことを考慮すると、この研究は800年近くの知識に相当すると述べた。

この急速な進歩は、まさに業界の専門家たちの目を開かせました。

フィナンシャル・タイムズによると、MITのビルゲ・ユルディズ教授はこの研究について次のようにコメントした。

この無機結晶の膨大なデータベースには、クリーンエネルギーや環境問題の解決策を前進させるために発見されるのを待っている宝石が満載されているはずです。

現在、このトピックは Zhihu のホット リストに掲載されています:

それで、これはどのような AI ツールなのでしょうか?

新しいツール GNoME はどのようなものですか?

この記事では、 GNoME (Graph Networks for Materials Exploration) と呼ばれる新しいツールを提案します。

GNoME のアーキテクチャはグラフ ニューラル ネットワーク (GNN) であり、ノードは結晶構造内の原子を表すために使用され、エッジは結晶構造内の結合関係を表すために使用されます。

その後、GNoME は、Materials Project、Open Quantum Materials Database (OQMD) などの一連の既知の安定した材料データセットを使用してトレーニングされました。

このツールは、能動的な学習を通じて新しい教材を発見します。

まず、既知の安定した材料に基づいて候補構造が生成され、次に GNoME がこれらの候補構造をスクリーニングします。

もちろん、GNoME によって最初に選別された構造はそのまま使用することはできませんが、密度汎関数理論(DFT) に基づいて構造の安定性を検証する必要があります。

その後、検証された構造は、予測能力を向上させるための新しいトレーニング データとして GNoME にフィードバックされます。

このアプローチに基づいて、GNoME は最終的に 220 万を超える新しい安定した結晶構造を発見しました。

同時に、一定の一般化能力も示しており、5 つ以上の固有要素を含む構造を正確に予測することもできます。

では、新たに発見された 220 万個の安定した結晶物質の用途は何でしょうか?

220 万個のクリスタルは何に使用されますか?

もちろん、最も直感的な観点から言えば、新エネルギー電池（太陽電池など）、超伝導体、チップの分野での進歩に期待が持てます。

GNoME では理論的に安定した結晶材料のみを計算していますが、実験的な合成後にその特性を評価することができます。

新たに発見されたこれらの安定した結晶材料は、超伝導、強誘電、光電子などの特性が評価された後、エネルギー、情報通信、センシングなどの分野に応用することができます。

GNoMEによって計算された結晶が合成可能であることを証明するために、研究者らは実験室で736個の物質を合成したと報告されている。

さらに、合成された材料は、新しい材料の設計のガイドとして、または他の AI モデルをトレーニングおよび最適化するための新しいデータセットとしても役立つ可能性があります。

例えば、カリフォルニア大学バークレー校とローレンス・バークレー国立研究所は、これらの発見された材料を実験作業の一環として使用しており、その論文も『ネイチャー』誌に掲載されています。

研究チームはA-Lab実験室を建設し、計算された58の材料から41の化合物を70%以上の成功率で合成することに成功しました。

この研究に関して、一部のネットユーザーはすでに、薬学の進歩など、この材料が飛躍的に普及する見通しを想像している。

一部のネットユーザーは、人気が徐々に下火になっているLK-99についても言及し、「材料科学が復活した」と述べた。

一部のネットユーザーは、これらの発見された資料が全人類に利益をもたらすことを期待している。

AI によって予測されたこれらの材料は、他にどこで使用できると思いますか?