“材料项目”是一个开放获取的新材料数据库，它正在彻底改变研究人员发现和开发未来技术材料的方式，谷歌DeepMind贡献了40万种新化合物。人工智能、超级计算和实验数据的协同作用加速了可再生能源、高效电子产品和环境解决方案等应用材料的创造(艺术家的概念图)。来源:SciTechDaily.com
技术的新进步经常需要开发新材料——多亏了超级计算机和先进的模拟技术，研究人员可以绕过耗时且往往效率低下的试错过程。
材料项目是美国能源部劳伦斯伯克利国家实验室(伯克利实验室)于2011年建立的一个开放获取的数据库，它计算已知和预测材料的性质。研究人员可以把重点放在未来技术中有前途的材料上——比如更轻的合金，可以提高汽车的燃油经济性，更高效的太阳能电池，可以促进可再生能源的发展，或者为下一代计算机提供更快的晶体管。
现在，谷歌人工智能实验室DeepMind正在为材料项目贡献近40万种新化合物，扩大了研究人员可以利用的信息量。数据集包括一种材料的原子如何排列(晶体结构)以及它的稳定性(形成能)。
材料项目可以可视化材料的原子结构。该化合物(Ba?Nb?O)是GNoME计算的新材料之一。它含有钡(蓝色)、铌(白色)和氧(绿色)。资料来源:材料计划/伯克利实验室
“如果我们要应对全球环境和气候挑战，我们就必须创造新的材料，”伯克利实验室材料项目的创始人兼主任、加州大学伯克利分校教授克里斯汀·佩尔松(Kristin Persson)说。“随着材料的创新，我们有可能开发出可回收塑料，利用废弃能源，制造更好的电池，制造更便宜、更耐用的太阳能电池板，以及其他许多东西。”
GNoME在材料发现中的作用
为了生成新数据，谷歌DeepMind开发了一种名为“材料探索图网络”(Graph Networks for Materials Exploration，简称GNoME)的深度学习工具。研究人员使用由Materials Project开发了十多年的工作流和数据来训练GNoME，并通过主动学习改进了GNoME算法。GNoME研究人员最终生产了220万个晶体结构，其中38万个晶体结构已经加入到“材料项目”中，并预测它们是稳定的，在未来的技术中有潜在的用处。谷歌DeepMind的新研究结果最近发表在《自然》杂志上。
在人工智能的引导下，机器人创造了材料项目预测的40多种新材料。来自GNoME的数据被用作对这些预测材料是否稳定的额外检查。图片来源:Marilyn Sargent/伯克利实验室
GNoME的一些计算结果与材料项目的数据一起用于测试a -Lab，这是伯克利实验室的一个设施，人工智能引导机器人制造新材料。A-Lab的第一篇论文也发表在《自然》杂志上，表明自主实验室可以在最少的人力投入下快速发现新材料。
在17天的独立运作中，a - lab成功地从58种新化合物中生产出41种新化合物，平均每天生产两种以上的新材料。相比之下，人类研究人员可能需要几个月的猜测和实验才能创造出一种新材料，如果他们能得到想要的材料的话。
为了制造材料项目预测的新化合物，A-Lab的人工智能通过梳理科学论文并利用主动学习进行调整，创造了新的配方。材料项目和GNoME的数据用于评估材料的预测稳定性。
伯克利实验室的材料项目为研究人员提供了获取各种材料关键信息的途径。这张图片显示了Materials Project数据库中12种化合物的结构。图片来源:Jenny Nuss/伯克利实验室
“我们有惊人的71%的成功率，我们已经有了一些方法来提高它，”a -Lab的首席研究员、伯克利实验室和加州大学伯克利分校的科学家格德·塞德(Gerd Ceder)说。“我们已经证明，将理论和数据方面与自动化相结合会产生令人难以置信的结果。我们可以比以往更快地制造和测试材料，向材料项目添加更多的数据点意味着我们可以做出更明智的选择。”
材料项目的影响和未来
材料项目是世界上使用最广泛的无机材料信息开放获取库。该数据库包含成千上万个结构和分子的数百万个属性，这些信息主要由伯克利实验室的国家能源研究科学计算中心处理。该网站的注册用户超过40万人，平均每天有四篇以上引用“材料计划”的论文发表。谷歌深度思维的贡献是自材料项目开始以来最大的结构稳定性数据。
“我们希望GNoME项目将推动无机晶体的研究，”谷歌深度思维材料发现团队的负责人Ekin Dogus Cubuk说。“外部研究人员已经通过并行的、独立的物理实验验证了超过736种GNoME的新材料，这表明我们模型的发现可以在实验室中实现。”
这个一分钟的时间间隔展示了世界各地的人们如何在四个小时的过程中使用材料项目。数据仪表板显示一个一小时滚动窗口，显示全球材料项目活动，包括请求数量、用户国家和最常查询的材料属性。图片来源:Patrick Huck/Berkeley Lab
材料项目现在正在处理来自谷歌深度思维的化合物，并将它们添加到在线数据库中。新的数据将免费提供给研究人员，也可以提供给与材料项目合作的A-Lab等项目。
Persson同时也是伯克利实验室分子铸造厂的主任，他说:“我真的很兴奋，人们正在利用我们所做的工作来生产前所未有的材料信息。”“这就是我在材料项目中所要做的:不仅要让我制作的数据免费可用，以加速世界的材料设计，而且还要告诉世界计算可以为你做什么。”它们可以比单独的实验更有效、更快速地扫描大空间，寻找新的化合物和特性。”
材料项目的许多计算都是在伯克利实验室国家能源研究科学计算中心的超级计算机上完成的。图片来源:托尔·斯威夫特/伯克利实验室
在过去的十年中，研究人员从材料项目的数据中获得了有希望的线索，通过实验证实了新材料在几个领域的有用特性。有些显示出使用的潜力:
在碳捕获(从大气中吸收二氧化碳)中作为光催化剂(加速化学反应的材料)
对光敏感，可用于分解污染物或产生氢)，热电材料(可以帮助利用废热并将其转化为电能的材料)和透明co
电感器(可能用于太阳能电池、触摸屏或led)
当然，找到这些有前景的材料只是解决人类面临的一些重大技术挑战的众多步骤之一。
Persson说:“制造一种材料不适合胆小的人。“一种材料从计算到商业化需要很长时间。它必须具有合适的属性，能够在设备中工作，能够扩展，并且具有合适的成本效率和性能。材料项目和A-Lab等设施的目标是利用数据，实现数据驱动的探索，最终为公司提供更可行的目标。”
参考文献:“一个加速合成新材料的自主实验室”，作者:Nathan J. Szymanski, Bernardus Rendy, Yuxing Fei, Rishi E. Kumar, Tanjin He, David Milsted, Matthew J. McDermott, Max Gallant, Ekin Dogus Cubuk, Amil Merchant, Haegyeom Kim, Anubhav Jain, Christopher J. Bartel, Kristin Persson, Yan Zeng和Gerbrand Ceder, 2023年11月29日，Nature。DOI: 10.1038 / s41586 - 023 - 06734 - w
分享
推特
电子邮件
分享
以前的文章
更多关于sciitechdaily
化学
科学
生物学
技术
空间
地球
物理
健康
