新火種
2023-12-09 
GoogleDeepMind：通過深度學習發(fā)現了220萬種新材料
要點:
Google DeepMind通過GNoME框架成功發(fā)現了超過220萬種新材料，為人類技術可行材料的數量大幅增加。
GNoME框架采用圖神經網絡和主動學習方法相結合，通過對材料的晶體結構建模，成功預測了材料的形成能量，實現了高效的計算材料發(fā)現。
通過GNoME，研究人員不僅發(fā)現了大量新材料，還展示了機器學習在材料科學中的潛力，為未來的技術創(chuàng)新和解決能源存儲等領域的重大挑戰(zhàn)提供了可能性。
站長之家11月30日 消息:在新的研究中，Google DeepMind的科學家們成功開發(fā)了一種名為GNoME的框架，通過這一框架，他們在材料科學領域取得了令人矚目的成果。材料的發(fā)現對于技術進步至關重要，涵蓋了從清潔能源到信息處理等各行各業(yè)的創(chuàng)新。然而，由于可能的材料組合空間龐大，傳統的試錯方法變得緩慢、昂貴且勞動密集。為了加速發(fā)現過程，研究人員開發(fā)了GNoME框架，它結合了圖神經網絡和主動學習方法。
GNoME的關鍵在于采用了圖神經網絡（GNNs），這是一種適用于建模結構化關聯數據的神經網絡類型。該模型以圖的形式接受材料的晶體結構，將原子表示為節(jié)點，將鍵表示為邊。模型在連接的原子之間傳遞信息，捕捉局部環(huán)境和遠程相互作用。通過在現有材料上訓練初始模型，GNoME通過替代和結構擾動逐步生成候選材料。這些候選材料經過模型過濾，考慮了集合預測的不確定性。被過濾的候選材料的能量通過密度泛函理論(DFT)計算進行評估，這是目前最精確的計算方法之一。
GNoME的研究人員在多輪的主動學習和模型擴展中對其進行了廣泛評估。超過220萬種先前未知的穩(wěn)定晶體結構被發(fā)現，擴大了已知材料的前沿。其中，38萬種被確認為最穩(wěn)定的，有望成為實驗合成的有力候選。有趣的是，其中736種結構已經在實驗室由外部研究人員獨立實現。這些發(fā)現不僅展示了GNoME的強大性能，還驗證了模型的準確性和實用性。
除了新材料的發(fā)現，GNoME的廣泛數據集還為機器學習提供了新的建模能力。通過對弛豫軌跡的分析，研究人員得到了訓練原子間勢能的無與倫比的范圍。預先在GNoME上訓練的圖網絡潛力展現了前所未有的零點準確性，無需任何材料特定的訓練，使得能夠進行原子分辨率的分子動力學模擬成為可能。這意味著能夠通過提供準確而通用的基于物理的模擬來加速許多應用的發(fā)現。
這項研究展示了通過擴大深度學習規(guī)模來改變新材料發(fā)現方式的巨大潛力。這些努力將已知穩(wěn)定材料的邊界擴大了近一個數量級，使我們能夠探索以前無法訪問的組成空間區(qū)域。這些創(chuàng)新的發(fā)現有望為技術創(chuàng)新提供原料，同時也推動著對材料行為的進一步理解，促使我們能夠通過納米尺度上的工程功能來更加迅速地解決重大社會挑戰(zhàn)。跟隨GNoME的足跡，繼續(xù)在機器學習和科學發(fā)現方面取得共同進展，可能會帶來深遠的影響。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
