Исследование было опубликовано на этой неделе в двух статьях в журнале Nature. В одной из них подробно описывается, как ученые расширили методы глубокого обучения для GNoME, что позволило системе исследовать структуры материалов. За 17 дней искусственный интеллект выявил 2,2 млн потенциально стабильных новых неорганических кристаллических структур, более 700 из которых уже подтверждены экспериментально.
Количество теоретически стабильных комбинаций, выявленных с помощью GNoME, более чем в 45 раз превышает количество кристаллических структур, обнаруженных за всю историю науки. Ранее, по расчетам ученых, было идентифицировано 48 тыс. соединений.
Во второй статье объясняется, как прогнозы GNoME были проверены с использованием автономных роботизированных систем в лаборатории Беркли. За 17 дней непрерывных автоматизированных экспериментов ИИ синтезировал 41 из 58 предсказанных соединений, что составляет исключительно высокий показатель успеха — 71%.
Из 2,2 млн кристаллических структур 380 тыс. оказались стабильными, что делает их потенциально полезными в будущих технологиях. Детальное описание этих материалов теперь доступны в базе данных Materials Project. Это предоставляет исследователям возможность изучать структуры и выявлять материалы с нужными свойствами для практического применения. Например, было обнаружено 52 тыс. новых двумерных слоистых материалов, аналогичных графену, и в 25 раз больше потенциальных твердых литий-ионных проводников по сравнению с предыдущими исследованиями. Также были выявлены 15 соединений оксида лития-марганца, которые могут заменить оксид лития-кобальта в батареях.
GNoME использует сложные графовые нейронные сети, которые могут точно предсказать стабильность предлагаемых кристаллических структур за доли секунды. Это позволяет системе отбирать наиболее перспективных кандидатов из огромного числа сгенерированных компьютером вариантов. Предыдущие методы машинного обучения испытывали трудности с оценкой энергии и стабильности новых материалов.
Эти исследования важны для будущего научных открытий и использования искусственного интеллекта в исследованиях в области материаловедения. Такой подход ускорит создание новых материалов для конкретных применений, что приведет к быстрым инновациям и снижению затрат на разработку продуктов. Применение искусственного интеллекта также предвосхищает будущее, в котором ручные лабораторные эксперименты можно будет сократить до минимума или даже полностью исключить. Это позволит ученым фокусироваться на разработке и анализе уникальных соединений.
