محققین Google DeepMind یک یادگیری عمیق مدلی برای پیش بینی ساختار بیش از ۲٫۲ میلیون ماده کریستالی – ۴۵ برابر بیشتر از تعداد کشف شده در کل تاریخ علم.
از دو میلیون به اضافه مواد جدید، حدود ۳۸۱۰۰۰ مورد از آنها ثابت است، به این معنی که تجزیه نمی شوند – یک ویژگی ضروری برای اهداف مهندسی. این مواد جدید این پتانسیل را دارند که توسعه فناوری های کلیدی آینده مانند نیمه هادی ها را افزایش دهند. این انگلیسی-آمریکایی گفت: ابر رایانه ها و باتری ها شرکت.
فن آوری های مدرن، از الکترونیک گرفته تا EVs، می تواند تنها از ۲۰۰۰۰ ماده معدنی استفاده کند. اینها عمدتاً از طریق آزمون و خطا در طول قرن ها کشف شدند. جیگوگل ابزار جدید DeepMind که به نام شبکه های گراف برای اکتشاف مواد (GNoME)، تنها در یک سال صدها هزار شبکه پایدار را کشف کرده است.
از میان مواد جدید، هوش مصنوعی ۵۲۰۰۰ ترکیب لایه‌ای جدید مشابه گرافن پیدا کرد که می‌توان از آنها برای توسعه ابررساناهای کارآمدتر استفاده کرد – اجزای حیاتی در اسکنرهای MRI، تجربی. کامپیوترهای کوانتومیو راکتورهای همجوشی هسته ای. آی تی همچنین ۵۲۸ هادی یون لیتیوم بالقوه، ۲۵ برابر بیشتر از a مطالعه قبلی، که می تواند برای افزایش عملکرد باتری های EV استفاده شود.
برای دستیابی به این اکتشافات، مدل یادگیری عمیق بر روی داده های گسترده از پروژه مواد آموزش داده شد. این برنامه که توسط آزمایشگاه ملی لارنس برکلی در ایالات متحده رهبری می شود، از تکنیک های مشابه هوش مصنوعی برای کشف حدود ۲۸۰۰۰ ماده جدید پایدار در دهه گذشته استفاده کرده است. Google DeepMind این عدد را هشت برابر افزایش داده است، چیزی که این شرکت آن را “ترتیب گسترش در مواد پایدار شناخته شده برای بشریت” می نامد.
محققان DeepMind می گویند در حالی که مواد جدید از نظر فنی فقط پیش بینی هستند آزمایش‌کنندگان مستقل قبلاً ۷۳۶ ماده را ساخته‌اند و پایداری آنها را تأیید کرده‌اند. و تیمی از آزمایشگاه برکلی قبلا استفاده کرده است خود مختار ربات هایی برای سنتز موادی که از طریق پروژه مواد کشف کرده و همچنین گنجینه جدیدی که توسط DeepMind کشف شده است. همانطور که در این توضیح داده شده است مطالعهاین ربات خودکار مجهز به هوش مصنوعی توانست تنها در ۱۷ ساعت ۴۱ ماده از ۵۸ ماده پیش بینی شده را زنده کند.
کریستین پرسون، مدیر پروژه مواد، گفت: “صنعت زمانی که صحبت از افزایش هزینه به میان می آید کمی ریسک گریز است و مواد جدید معمولاً کمی زمان می برد تا مقرون به صرفه شوند.” رویترز. اگر بتوانیم آن را حتی کمی بیشتر کاهش دهیم، یک پیشرفت واقعی محسوب می‌شود.»
محققان DeepMind می گویند که آنها فوراً داده های ۳۸۱۰۰۰ ترکیبی که پیش بینی می شود پایدار هستند را منتشر کرده و کد هوش مصنوعی خود را در دسترس عموم قرار دهند. این شرکت با ارائه کاتالوگ کامل از «دستورالعمل‌های» امیدوارکننده برای مواد نامزد جدید، اعلام کرد که امیدوار است کشف را سرعت بخشد و هزینه‌ها را کاهش دهد.
رونمایی از گنوم پس از چندین مورد انجام شد تحولات چشمگیر در Google DeepMind، که در Apزمانی که DeepMind مستقر در بریتانیا و Google Brain مقر آن در ایالات متحده است ادغام شد در یک واحد تحقیقاتی هوش مصنوعی واحد. آخرین راه اندازی است دقیق ترین پیش بینی ۱۰ روزه آب و هوای جهان سیستم.
منبع: https://thenextweb.com/news/deepminds-ai-materials-science-deep-learning-gnome