發現38萬種新材料、17天自主合成41種新化合物,DeepMind一日兩篇論文登上Nature
從計算機芯片、電池到太陽能電池板等現代技術都依賴于無機晶體。開發這些新技術,所需的晶體必須穩定,否則材料就會分解,而每個新的、穩定的晶體背后可能需要研究人員數月或者更久的艱苦實驗。Google DeepMind 材料團隊分享了 220 萬顆新晶體的發現,相當于近 800 年的知識。
從計算機芯片、電池到太陽能電池板等現代技術都依賴于無機晶體。開發這些新技術,所需的晶體必須穩定,否則材料就會分解,而每個新的、穩定的晶體背后可能需要研究人員數月或者更久的艱苦實驗。Google DeepMind 材料團隊分享了 220 萬顆新晶體的發現,相當于近 800 年的知識。
上周,Google DeepMind 和加州大學伯克利分校的一組研究人員在《Nature》雜志上發表了一篇備受期待的論文,提出了一個「自主實驗室」——A-Lab,旨在利用 AI 和機器人技術加速新材料的發現和合成。被稱為「自動駕駛實驗室」的 A-Lab 展示了一個雄心勃勃的愿景
編輯 | KX以ChatGPT為代表的生成式 AI 技術正在徹底改變藥物研發領域。生成式藥物設計能夠從零開始創建全新分子或化合物,而無需依賴于現有的模板或分子框架。然而,生成的分子的實用性往往有限,因為許多設計都集中在一組狹窄的藥物相關特性,無法提高后續藥物發現過程的成功率。為了克服這些挑戰,微軟研
編輯 | 蘿卜皮生成合理的晶體結構通常是預測材料化學成分及其性質的第一步,但當前大多數預測方法計算成本高,制約了創新進程。通過使用優質生成的候選結構來預測晶體結構,可以突破這一瓶頸。