《自然》11月30日发表了两项重磅研究：最新的由人工智能驱动的平台GNoME（材料探索图形网络），已可以自行发现和合成新无机化合物，包括发现了超220万个稳定结构、17天便独自创作41种新材料，其速度和精确性均远超人类。
这个化合物（Ba6Nb7O21）是GNoME计算出的新材料之一，它包含钡（蓝色）、铌（白色）和氧（绿色）。图片来源：伯克利实验室材料项目
技术的进步已经提高了计算机程序识别新材料的能力，但是在这个过程中面临的主要障碍是学习算法如何适应与其所学相反的结果。这是因为新的发现本质上是用新的、创造性的方式来理解数据的能力
“深度思维”团队此次提出了一个计算模型，能够通过大规模主动学习，提高材料发现的效率。这个程序使用现有文献训练，生成多样的潜在化合物候选结构，然后通过一系列学习不断改进这些结构。GNoME发现了超过220万个稳定结构，将结构稳定预测的精确性提高到80%以上，在预测成分时，每100次试验的精确度提高到33%，相比之下，此前工作中该数字仅为1%。
加州大学伯克利分校的研究团队在第二项研究中开发出了一种自动实验室（A-Lab）系统。这种A-Lab系统是通过现有科学文献的训练，再结合主动学习，能够为拟定化合物创建最多5个初步合成配方。接着，它可以通过机器臂执行实验，合成粉末形态的化合物。如果某个配方的产量低于50%，A-Lab会调整配方并继续实验，直到成功达到目标或者穷尽所有可能的配方。在连续实验了17天、进行了355次实验后，A-Lab成功合成了58个拟定化合物中的41个（71%）。相比之下，人类研究员需要花费数月时间去猜测和实验
两项研究所展示的对AI的训练，结合了计算力的飞速发展和现有文献，其证明使用学习算法辅助发现和合成无机化合物有着极其广阔的前景，未来的自主实验室将能够以最少的人力、最快的速度去发掘新材料。
（来源：科技日报）
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。