AI预测材料可为电子产品、电池和太阳能电池带来变革。

从电子产品到飞机，现代技术仅使用了两万种无机材料，这些材料大多是通过反复实验发现的。科学家预测，还有数以万计的材料没有被制造出来。然而最近研究人员发现，通过一种新的AI，他们已经预测出另外220万种材料的成分和特性。在一项配套研究中，另一个研究小组表明，同样是在AI的帮助下，可以高效地制造出这些预测到的材料。

研究人员认为，这些报告都预示着材料科学的新时代即将到来，届时AI程序和机器人将为新型电池、超导体和催化剂的制造提供动力。普林斯顿大学计算材料科学家安德鲁 · 罗森（Andrew Rosen）说：“这令人印象深刻。”

这一预测发表在《自然》杂志上，是谷歌旗下DeepMind公司AI创新人员的又一创举。此前，DeepMind公司开发了AlphaFold，能够仅从氨基酸序列预测数亿种不同蛋白质的三维形状。罗森说，这项新工作相当于材料科学领域的AlphaFold。

与DeepMind之前取得的成就一样，这次也是要利用大量数据训练AI。“材料项目”拥有所有已知和预测无机晶体的数据库，该数据库不仅包括每种材料的晶体结构，还包括其电子结构、磁性和硬度等特性。在过去十年中，“材料项目”团队将2万种已知无机晶体的数据输入模式匹配机器学习算法，预测出另外2.8万种可能稳定的无机晶体。

钡、铌和氧组成了一种新型材料

在目前的工作中，DeepMind的研究人员在公司材料探索部主管道格斯 · 库比克（Dogus Cubuk）的领导下，利用这4.8万种已知和预测化合物的数据以及来自其他相关数据库的信息，训练一个“主动学习”AI模型。该AI模型用于材料探索图形网络，被称为GNoME，可以发现原始训练数据之外的模式。它对可能的新稳定晶体进行了第一轮预测，并计算了它们的性质。然后，研究小组将结果添加到训练数据中，并重复这一循环。

经过几轮这样的计算，GNoME最终为220万种新化合物做出预测。其中，有38.1万种化合物的“形成能”（一种衡量稳定性的指标）表明，如果研究人员能够合成这些化合物，它们应该是稳定的，不会分解成其他结构。

电池电极中使用的层状材料是其中的发现之一。“材料项目”发现了1000种此类化合物，而GNoME预测了5.2万种，其中包括528种锂离子导体。库比克还指出，以前预测的晶体大多结合了两种、三种或四种元素，而DeepMind预测的许多晶体结构包含五种甚至六种元素。伦敦帝国理工学院的材料化学家亚历山大 · 加诺塞（Alexander Ganose）说：“这真是令人兴奋，我们也许能在这个数据集里面发现未来的材料。”

下一步是真正去合成材料。传统来说，这是一个反复试验的过程，一个化合物的合成可能需要数月或数年的时间。

外部基准测试表明，GNoME预测稳定结构的成功率达到了80%，而之前的算法只有50%。DeepMind的研究人员指出，独立实验人员已经制造出736种预测材料，验证了它们的稳定性。库比克说，即使是不确定稳定的材料也可能非常持久，就像钻石在分解成石墨之前能存在10亿年一样。

最近发表在《自然》杂志上的另一篇论文指出，有一种不同的AI可能有助于合成更多的GNoME预测结果。劳伦斯伯克利国家实验室的研究人员在材料科学家格布兰德 · 塞德（Gerbrand Ceder）的领导下，在近期建立了一个AI驱动的机器人实验室，用于制造预测的新材料。现在，他和他的同事们报告说，这个装置很快就学会了改进配方，用以合成材料项目算法预测的新化合物。在17天内，机器人成功合成了58种材料中的41种。

DeepMind的研究人员表示，他们将立即发布38.1万种预测为稳定化合物的数据，并公开其AI的代码。他们最终可能会公布全部220万个配方。但是，加诺塞并不想等待。研究全部配方可以帮助科学家更好地确定是什么让一些化合物变得稳定，而另一些则不那么稳定。加诺塞说：“如果这些都被封锁起来不公布，那将是科学的真正损失。”

资料来源 Science