Google DeepMind tilføjer næsten 400.000 nye forbindelser til databasen med åben adgang
Ny teknologi kræver ofte nye materialer – og med supercomputere og simuleringer behøver forskere ikke at vade gennem ineffektivt gætværk for at opfinde dem fra bunden.
Materials Project, en database med åben adgang, grundlagt ved Department of Energy's Lawrence Berkeley National Laboratory (Berkeley Lab) i 2011, beregner egenskaberne af både kendte og forudsagte materialer. Forskere kan fokusere på lovende materialer til fremtidige teknologier – tænk lettere legeringer, der forbedrer brændstoføkonomien i biler, mere effektive solceller til at booste vedvarende energi eller hurtigere transistorer til næste generation af computere.
Nu bidrager Google DeepMind – Googles laboratorium for kunstig intelligens – med næsten 400.000 nye forbindelser til Materials Project, hvilket udvider mængden af information, forskere kan trække på. Datasættet inkluderer, hvordan et materiales atomer er arrangeret (krystalstrukturen), og hvor stabil det er (dannelsesenergi).
"Vi er nødt til at skabe nye materialer, hvis vi skal løse de globale miljø- og klimaudfordringer," sagde Kristin Persson, grundlægger og direktør for Materials Project ved Berkeley Lab og professor ved UC Berkeley. "Med innovation i materialer kan vi potentielt udvikle genanvendelig plast, udnytte spildenergi, lave bedre batterier og bygge billigere solpaneler, der holder længere, blandt mange andre ting."
For at generere de nye data udviklede Google DeepMind et dybt læringsværktøj kaldet Graph Networks for Materials Exploration eller GNoME. Forskere trænede GNoME ved hjælp af arbejdsgange og data, der blev udviklet over et årti af Materials Project, og forbedrede GNoME-algoritmen gennem aktiv læring.
GNoME-forskere producerede i sidste ende 2,2 millioner krystalstrukturer, inklusive 380.000, som de tilføjer til Materials Project og forudsiger er stabile, hvilket gør dem potentielt nyttige i fremtidige teknologier. De nye resultater fra Google DeepMind er publiceret i tidsskriftet Nature .
Nogle af beregningerne fra GNoME blev brugt sammen med data fra Materials Project til at teste A-Lab, en facilitet på Berkeley Lab, hvor kunstig intelligens guider robotter i at lave nye materialer. A-Labs første papir, også udgivet i Nature , viste, at det autonome laboratorium hurtigt kan opdage nye materialer med minimalt menneskeligt input.
I løbet af 17 dages uafhængig drift producerede A-Lab med succes 41 nye forbindelser ud af 58 forsøg - en hastighed på mere end to nye materialer om dagen. Til sammenligning kan det tage en menneskelig forsker måneders gætværk og eksperimenter at skabe ét nyt materiale, hvis de overhovedet når det ønskede materiale.
For at lave de nye forbindelser forudsagt af Materials Project, skabte A-Labs AI nye opskrifter ved at søge gennem videnskabelige artikler og bruge aktiv læring til at foretage justeringer. Data fra Materials Project og GNoME blev brugt til at evaluere materialernes forudsagte stabilitet.
"Vi havde denne svimlende 71% succesrate, og vi har allerede et par måder at forbedre den på," sagde Gerd Ceder, hovedefterforsker for A-Lab og en videnskabsmand ved Berkeley Lab og UC Berkeley. "Vi har vist, at det at kombinere teori- og datasiden med automatisering giver utrolige resultater. Vi kan lave og teste materialer hurtigere end nogensinde før, og tilføjelse af flere datapunkter til Materials Project betyder, at vi kan træffe endnu smartere valg."
Materials Project er det mest udbredte open-access-lager af information om uorganiske materialer i verden. Databasen rummer millioner af egenskaber på hundredtusindvis af strukturer og molekyler, information primært behandlet på Berkeley Labs National Energy Research Science Computing Center.
Mere end 400.000 mennesker er registreret som brugere af siden, og i gennemsnit udgives mere end fire artikler, der citerer Materials Project, hver dag. Bidraget fra Google DeepMind er den største tilføjelse af struktur-stabilitetsdata fra en gruppe, siden Materials Project startede.
"Vi håber, at GNoME-projektet vil fremme forskning i uorganiske krystaller," sagde Ekin Dogus Cubuk, leder af Google DeepMinds Materials Discovery-team. "Eksterne forskere har allerede verificeret mere end 736 af GNoMEs nye materialer gennem samtidige, uafhængige fysiske eksperimenter, der viser, at vores models opdagelser kan realiseres i laboratorier."
Materials Project behandler nu forbindelserne fra Google DeepMind og tilføjer dem til onlinedatabasen. De nye data vil være frit tilgængelige for forskere og vil også indgå i projekter som A-Lab, der samarbejder med Materials Project.
"Jeg er virkelig begejstret for, at folk bruger det arbejde, vi har udført, til at producere en hidtil uset mængde materialeinformation," sagde Persson, som også er direktør for Berkeley Labs Molecular Foundry.
"Dette er, hvad jeg satte mig for at gøre med Materials Project:At ikke kun gøre de data, jeg producerede gratis og tilgængelige for at accelerere materialedesign for verden, men også at lære verden, hvad beregninger kan gøre for dig. De kan scanne store rum til nye forbindelser og egenskaber mere effektivt og hurtigere end eksperimenter alene kan."
Ved at følge lovende kundeemner fra data i Materials Project i løbet af det sidste årti har forskere eksperimentelt bekræftet nyttige egenskaber i nye materialer på tværs af flere områder. Nogle viser potentiale for brug:
- i kulstoffangst (trække kuldioxid fra atmosfæren)
- som fotokatalysatorer (materialer, der fremskynder kemiske reaktioner som reaktion på lys og kan bruges til at nedbryde forurenende stoffer eller generere brint)
- som termoelektrisk (materialer, der kan hjælpe med at udnytte spildvarme og omdanne den til elektrisk strøm)
- som transparente ledere (som kan være nyttige i solceller, berøringsskærme eller LED'er)
At finde disse potentielle materialer er naturligvis kun et af mange trin til at løse nogle af menneskehedens store teknologiske udfordringer.
"At lave et materiale er ikke for sarte sjæle," sagde Persson. "Det tager lang tid at tage et materiale fra beregning til kommercialisering. Det skal have de rigtige egenskaber, arbejde inden for enheder, kunne skaleres og have den rigtige omkostningseffektivitet og ydeevne. Målet med Materialeprojektet og faciliteter som f.eks. A-Lab skal udnytte data, muliggøre datadrevet udforskning og i sidste ende give virksomheder mere levedygtige skud på mål."
Flere oplysninger: Gerbrand Ceder, Et autonomt laboratorium for accelereret syntese af nye materialer, Nature (2023). DOI:10.1038/s41586-023-06734-w. www.nature.com/articles/s41586-023-06734-w
Amil Merchant et al., Skalering af dyb læring til materialeopdagelse, Nature (2023). DOI:10.1038/s41586-023-06735-9, www.nature.com/articles/s41586-023-06735-9
Journaloplysninger: Natur
Leveret af Lawrence Berkeley National Laboratory
Varme artikler
-
Indfangning af giftige forbindelser med molekylære kurveKredit:Ohio State University Forskere har udviklet designermolekyler, som måske en dag kan opsøge og fange dødelige nervestoffer og andre giftige forbindelser i miljøet – og muligvis i mennesker. -
Forskere optimerer additiv fremstilling på et molekylært niveauI en simulering, chromoxid-nanopartikler skaber bindinger med en vandbaseret diethylenglycolopløsning. Kredit:Adri van Duin Efterhånden som kompleksiteten og anvendelserne af additiv fremstilling -
Brug af et skålstruktureret aktivt webstedsdesign til at bryde skaleringsrelationerne for konverter…Et skålaktivt sted på den intermetalliske lanthanid-elektride, sammensat af fire overfladela kationer og et underjordisk si-atom, spiller nøglerollen i effektiv katalyse af N2 –til–NH3 konvertering ve -
En forenklet metode til at kategorisere olivenolieLourdes Arce og Natividad Jurado, efterforskere fra Universidad de Cordoba. Kredit:University of Cordoba Klassificering af olivenolie er i øjeblikket meget dyr og langsom. For at kategorisere olie
- Graphene genopfinder fremtiden
- Istab på grund af opvarmning fører til opvarmning på grund af istab:En ond cirkel
- Undersøgelse identificerer store barrierer for finansiering af en bæredygtig havøkonomi
- Gentagne udstrømninger af varm vind fundet tæt på sort hul
- Forskningsgruppe skaber meget følsom fotodetektor fra grafen og kvantepunkter
- Små bobler kunne afsløre immuncellehemmeligheder og forbedre behandlinger