谷歌旗下的 DeepMind 利用人工智能（AI）预测了超过 200 万种新材料的结构，这一突破性成果将推动现实世界的技术改进。消息发布于11月30日
其相关研究成果已经在当地时间周三以题《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《自然》上。本站附 DOI:10.1038/s41586-023-06734-w。
DeepMind 的研究员在一篇论文中指出，根据他们的假设，近40万种材料设计中的大部分都可以在实验室条件下迅速生产出来。这项研究有望为生产性能更出色的电池、太阳能电池板和计算机芯片提供帮助
DeepMind 表示，经过使用 AI 对这些新材料的稳定性进行预测后，他们将把下一步的研究重点转向预测在实验室中合成这些材料的难易程度
需要进行改写的内容是：▲ 资料来源：自然
实际上，新材料的发现和合成其实是一个十分昂贵且耗时的过程，例如我们目前随处可见的锂离子电池的商业应用过程经历了大约 20 年的时间，其间耗费无数成本与心血。
"DeepMind的研究员Ekin Dogus Cubuk表示，我们希望通过实验、自主合成和机器学习模型的巨大改进，将这个10到20年的时间缩短到一个更容易控制的范围。"
据报道，DeepMind的人工智能是基于Materials Project数据进行训练的。Materials Project是一个于2011年在劳伦斯伯克利国家实验室成立的国际研究组织，目前已经研究出约5万种已知材料
公司表示将与研究界分享数据，以加快材料发现的进一步突破
“当涉及到成本增加时，行业通常会有一些风险规避的倾向，而新材料通常需要一段时间才能具备成本效益。”Materials Project的负责人Kristin Persson表示，“如果我们能够进一步缩短这个时间，那将是真正的突破。”
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。