DeepMind 徹底改變材料科學：人工智能發現 220 萬種新晶體

谷歌的人工智能部門DeepMind在材料科學上達成了歷史性裏程碑，發現了220萬個具有穩定結構的新晶體。研究人員表示，這一發現相當於通過先進的人工智能應用在材料探索中解鎖了“800年的寶貴知識”。

GNoME技術：材料科學的新紀元

這個進展得益於 GNoME ( 圖網路材料探索 )，這是由 DeepMind 開發的一種基於神經網路的工具。這項技術利用圖架構來建模和預測穩定的晶體結構，極大地加速了傳統上依賴於較慢實驗方法的發現過程。

該工具專門設計用於探索具有變革性工業應用的材料，重點在於識別具有有利特性的結構，以便於新興技術的應用。這些新材料的潛力對於開發更高效的電動車電池和高性能計算機的超導體尤爲樂觀。

科學驗證與發現的影響

這項發現的可信度得到了獨立研究人員的加強，他們成功地重現了GNoME識別的736種新材料，從而通過實驗合成驗證了理論結果。這個驗證過程對於跨越計算預測與實際應用之間的障礙至關重要。

在科學雜志Nature上發表的文章中，標題爲"Scaling deep learning for materials discovery"，研究人員詳細描述了GNoME如何在預測穩定晶體結構方面達到前所未有的泛化水平。這項研究表明，該工具可以顯著提高材料發現過程的效率，降低研究成本和時間。

應用與未來計算技術的影響

這項研究的影響廣泛且跨多個行業。在先進計算領域，發現的超導體可能會徹底改變超級計算機的發展，爲更高效的數據處理基礎設施提供新的可能性。這可能直接惠及計算密集型行業，包括區塊鏈技術的開發和數字交易的處理。

在電動移動領域，所識別的新材料具有推動下一代電池發展的潛力，提升電動車輛的效率和續航能力。這一進展與全球對更可持續運輸解決方案的日益增長的需求相一致。

人工智能在科學發現中的未來

一些外部觀察者將GNoME比作“化學領域的ChatGPT”，並與其他在多個領域變革的生成性人工智能模型進行了比較。卡拉·戈麥斯，康奈爾大學人工智能研究所的聯席主任，強調科學發現是人工智能的下一個前沿。

這項研究說明了人工智能如何超越語言處理和圖像應用的發展，解決自然科學中的基本問題。加速那些傳統上需要數百年才能完成的發現的能力，代表了一種新的科學研究範式，像GNoME這樣的人工智能工具可以成爲創新過程中的重要合作夥伴。

將這些人工智能技術整合到研究和開發平台中，有可能使科學進步的獲取變得民主化，使各類機構能夠參與基於新材料的下一波技術創新。