17天獨(dú)自創(chuàng)造41種新材料，AI再次贏了人類

只用了 17 天，人工智能（AI）便獨(dú)自創(chuàng)造了 41 種新材料，每天超過兩種。

相比之下，人類科學(xué)家可能需要幾個(gè)月的嘗試和實(shí)驗(yàn)，才能創(chuàng)造出一種新材料。

今天，這個(gè)名為 A-Lab 的 AI 實(shí)驗(yàn)室，登上了權(quán)威科學(xué)期刊 Nature。

據(jù)介紹，A-Lab 是一個(gè)由 AI 指導(dǎo)機(jī)器人制造新材料的實(shí)驗(yàn)室，能夠在最少的人為干預(yù)下迅速發(fā)現(xiàn)新材料，其可以幫助確定和快速跟蹤多個(gè)研究領(lǐng)域的材料，包括電池、儲(chǔ)能、太陽能電池、燃料電池等。

值得一提的是，在一次測試任務(wù)中，A-Lab 成功合成了 58 種預(yù)測材料中的 41 種，成功率達(dá)到了 71%。

這些測試數(shù)據(jù)來自伯克利實(shí)驗(yàn)室開放獲取數(shù)據(jù)庫 Materials Project 和由 Google DeepMind 開發(fā)的 Graph Networks for Materials Exploration（GNoME）深度學(xué)習(xí)工具。

同樣在今天，Google DeepMind 的 GNoME 也登上了 Nature，其為 Materials Project 貢獻(xiàn)了近 40 萬種新化合物，是自該項(xiàng)目成立以來，由一個(gè)團(tuán)隊(duì)添加的最大一次新增結(jié)構(gòu)穩(wěn)定性數(shù)據(jù)，大大增加了科學(xué)家用于為未來技術(shù)發(fā)明新材料的開放存取資源。

伯克利實(shí)驗(yàn)室 Materials Project 創(chuàng)始人兼主任、加州大學(xué)伯克利分校教授 Kristin Persson 表示，“要解決全球環(huán)境和氣候挑戰(zhàn)，我們必須創(chuàng)造新材料。借助材料創(chuàng)新，我們可以開發(fā)可回收塑料、利用廢棄能源、制造更好的電池，并構(gòu)建更便宜、壽命更長的太陽能電池板等?！?/p>

有了AI，制造、測試新材料更快了

新技術(shù)的發(fā)展往往需要新材料。然而，制造一個(gè)材料并非易事。

科學(xué)家們已經(jīng)通過計(jì)算預(yù)測了數(shù)十萬種新型材料，但測試這些材料是否能在現(xiàn)實(shí)中制造出來是一個(gè)緩慢的過程。一個(gè)材料從計(jì)算到商業(yè)化需要很長時(shí)間。它必須具有合適的屬性，能夠在設(shè)備中工作，能夠擴(kuò)展，且具有合適的成本效率和性能。

如今，借助超級(jí)計(jì)算機(jī)和模擬技術(shù)，研究人員不再需要靠盲目的嘗試從零開始創(chuàng)造材料。

在此次工作中，Google DeepMind 團(tuán)隊(duì)使用 Materials Project 十多年來開發(fā)的工作流程和數(shù)據(jù)對(duì) GNoME 進(jìn)行了訓(xùn)練，并通過主動(dòng)學(xué)習(xí)改進(jìn)了 GNoME 算法。

最終，GNoME 產(chǎn)生了 220 萬種晶體結(jié)構(gòu)，其中有 38 萬種被納入 Materials Project 中，且被預(yù)測為是穩(wěn)定的。這些數(shù)據(jù)包括材料原子的排列方式（晶體結(jié)構(gòu)）和穩(wěn)定性（形成能）。

圖｜化合物 Ba?Nb?O?? 是 GNoME 計(jì)算出的新材料之一，包含鋇（藍(lán)色）、鈮（白色）和氧（綠色）。

據(jù)論文描述，GNoME 已將結(jié)構(gòu)穩(wěn)定預(yù)測的精確性提高到 80% 以上，在預(yù)測成分時(shí)每 100 次試驗(yàn)的精確度提高到 33%（相比之下，此前工作中該數(shù)字僅為 1%）。

Google DeepMind 材料發(fā)現(xiàn)團(tuán)隊(duì)負(fù)責(zé)人 Ekin Dogus Cubuk 表示：“我們希望 GNoME 項(xiàng)目能夠推動(dòng)無機(jī)晶體研究的發(fā)展。外部研究人員已經(jīng)通過獨(dú)立的物理實(shí)驗(yàn)驗(yàn)證了 GNoME 發(fā)現(xiàn)的 736 多種新材料，證明了我們模型的發(fā)現(xiàn)可以在實(shí)驗(yàn)室中實(shí)現(xiàn)?！?/p>

然而，研究團(tuán)隊(duì)在論文中也指出，在實(shí)際應(yīng)用中，GNoME 仍存在一些開放性問題，其中包括由競爭多形體引發(fā)的相變、振動(dòng)輪廓和構(gòu)型熵引起的動(dòng)態(tài)穩(wěn)定性，以及對(duì)最終合成能力的更深入理解。

為了制造 Materials Project 預(yù)測的新化合物，A-Lab 的 AI 通過研究科學(xué)論文并使用主動(dòng)學(xué)習(xí)進(jìn)行調(diào)整，創(chuàng)造出了新的配方。

伯克利實(shí)驗(yàn)室和加州大學(xué)伯克利分校科學(xué)家、A-Lab 首席研究員 Gerd Ceder 說：“我們的成功率達(dá)到了驚人的 71%，而且我們已經(jīng)找到了一些改進(jìn)方法。我們已經(jīng)證明，將理論和數(shù)據(jù)與自動(dòng)化相結(jié)合，會(huì)產(chǎn)生令人難以置信的結(jié)果。我們可以比以往任何時(shí)候都更快地制造和測試材料。”

據(jù)介紹，對(duì)決策算法做一些小改動(dòng)，這一成功率還可提高到 74%，如果計(jì)算技術(shù)得到改進(jìn)，還能將成功率進(jìn)一步提高到 78%。

Persson 說：“我們不僅要讓我們產(chǎn)生的數(shù)據(jù)免費(fèi)并可用于加速全球的材料設(shè)計(jì)，而且還要向世界傳授計(jì)算機(jī)可以為人們做些什么。它們可以比單獨(dú)的實(shí)驗(yàn)更高效、更快地掃描大范圍的新化合物和屬性?！?/p>

有了 A-Lab 和 GNoME 等的幫助，科學(xué)家可以專注于未來技術(shù)中有前景的材料，比如提高汽車燃油經(jīng)濟(jì)性的更輕合金、提高可再生能源效率的更高效太陽能電池，或者是下一代計(jì)算機(jī)中更快的晶體管。

已顯示出應(yīng)用潛力

目前，Materials Project 正在處理更多 Google DeepMind 的化合物，并將其添加到在線數(shù)據(jù)庫中。這些新數(shù)據(jù)將免費(fèi)提供給研究人員，且也會(huì)輸入到諸如 A-Lab 這樣與 Materials Project 合作的項(xiàng)目中。

圖｜Materials Project 數(shù)據(jù)庫中 12 種化合物的結(jié)構(gòu)。

過去十年中，研究人員根據(jù) Materials Project 數(shù)據(jù)中的線索，在多個(gè)領(lǐng)域通過實(shí)驗(yàn)證實(shí)了新材料的有用性。其中一些已顯示出應(yīng)用潛力，例如：

在碳捕獲中（從大氣中提取二氧化碳）

作為光催化劑（在光的作用下加速化學(xué)反應(yīng)的材料，可用于分解污染物或產(chǎn)生氫氣）

作為熱電材料（有助于利用廢熱并將其轉(zhuǎn)化為電能的材料）

作為透明導(dǎo)體（可用于太陽能電池、觸摸屏或 LED）

當(dāng)然，找到這些潛在材料只是解決人類面臨的一些重大技術(shù)挑戰(zhàn)的眾多步驟之一。

除了以上兩項(xiàng)研究，近年來，AI 在新材料發(fā)現(xiàn)、合成方面，取得了諸多突破。

2020 年，一個(gè)包括美國國家標(biāo)準(zhǔn)與技術(shù)研究所（NIST）在內(nèi)的多機(jī)構(gòu)研究團(tuán)隊(duì)開發(fā)出了一種名為 CAMEO 的 AI 算法，該算法在不需要科學(xué)家額外訓(xùn)練的情況下，自主發(fā)現(xiàn)了一種潛在的實(shí)用新材料。

圖 | CAMEO 在一個(gè)閉環(huán)操作中尋找新材料的過程（來源：NIST）

同年，來自北卡羅萊納州立大學(xué)和布法羅大學(xué)的研究人員開發(fā)了一項(xiàng)名為“人工化學(xué)家”的技術(shù)，該技術(shù)結(jié)合了 AI 和執(zhí)行化學(xué)反應(yīng)的自動(dòng)化系統(tǒng)，以加速研發(fā)和生產(chǎn)商業(yè)所需的新化學(xué)材料。

2022 年，美國加州大學(xué)圣地亞哥分校工程學(xué)院的納米工程師開發(fā)了一種 AI 算法——M3GNet，該算法幾乎可以即時(shí)地預(yù)測任何材料（無論是現(xiàn)有材料還是新材料）的結(jié)構(gòu)和動(dòng)態(tài)特性。研究人員可使用其來尋找更安全、能量密度更高的可充電鋰離子電池電極和電解質(zhì)。

圖 | 多體圖勢能及主要計(jì)算模塊的示意圖（來源：加州大學(xué)圣地亞哥分校）

今年 3 月，發(fā)表在 Nature Synthesis 上的一項(xiàng)研究設(shè)想了一種由組合合成和 AI 技術(shù)共同發(fā)展推動(dòng)的加速材料科學(xué)的未來。為了評(píng)估合成技術(shù)對(duì)特定實(shí)驗(yàn)工作流的適用性，研究人員建立了一套涵蓋合成速度、可擴(kuò)展性、范圍和合成質(zhì)量的十項(xiàng)度量標(biāo)準(zhǔn)，并在這些度量標(biāo)準(zhǔn)的背景下總結(jié)了一些選擇性的組合合成技術(shù)。

作為高新技術(shù)的基礎(chǔ)和先導(dǎo)，新材料應(yīng)用范圍極其廣泛，它同信息技術(shù)、生物技術(shù)一起成為 21 世紀(jì)最重要和最具發(fā)展?jié)摿Φ念I(lǐng)域。

未來，隨著 AI 等技術(shù)的突破性發(fā)展，科學(xué)家將有望聚焦在未來技術(shù)中更具前景的材料上，如提高汽車燃油經(jīng)濟(jì)性的更輕的合金、促進(jìn)可再生能源發(fā)展的更高效的太陽能電池，以及在下一代計(jì)算機(jī)中發(fā)揮作用的更快的晶體管等。

參考鏈接：

https://www.nature.com/articles/s41586-023-06735-9

https://www.nature.com/articles/s41586-023-06734-w