一切都是由化合物和材料制成的，并且通过发现和发明近40万新闻可能会发生革命性……。一切。
喜欢指数的未来？加入我们的Xpotential社区，通过Xpotential University的课程进行未来的证明，阅读有关指数技术和趋势，连接，观看Keynote或浏览我的博客。
新技术通常需要新材料，并且在超级计算机和模拟的情况下，研究人员不再需要涉足低效的猜测山脉即可从头开始发明它们。
该材料项目是一个开放式数据库，该数据库于2011年在美国能源部劳伦斯伯克利国家实验室成立，它计算出已知和预测材料的特性。研究人员可以专注于未来技术的有前途的材料 - 考虑改善汽车燃油经济性，更有效的太阳能电池以增强可再生能源的较轻合金，或者为下一代计算机的更快的晶体管增强。
现在，随着高级人工智能（AI）Google DeepMind的到来，Google的AI实验室 - 宣布，它将为材料项目贡献多达40万种新化合物，从而扩大了研究人员可以利用的信息数量。数据集包括材料原子的排列方式（晶体结构）以及它的稳定性多么稳定 - 或“地层能量”。
“如果我们要应对全球环境和气候挑战，我们必须创建新材料，”伯克利实验室材料项目的创始人兼总监，伯克利分校的教授克里斯汀·佩尔森（Kristin Persson）说。“通过材料的创新，我们有可能开发可回收的塑料，利用浪费能量，制造更好的电池，并建造更便宜的太阳能电池板，这些太阳能电池板持续更长的时间，其中包括许多其他事情。”
为了生成新数据，Google DeepMind开发了一种深度学习工具，称为材料探索的图形网络，或简称GNOME。研究人员使用材料项目十年来开发的工作流和数据培训了侏儒，并通过积极学习改善了侏儒算法。Gnome研究人员最终生产了220万个晶体结构，其中包括他们在材料项目中添加的380,000个晶体结构稳定，使它们在未来的技术中有可能有用。Google DeepMind的新结果今天发表在《自然》杂志上。
来自GNOME的一些计算与材料项目的数据一起测试A-LAB，这是伯克利实验室的设施，AI指导机器人制造新材料。A-LAB的第一篇论文（也在自然界也发表）表明，自动式机器人可以很快发现具有最少人类输入的新型材料。
在17天的独立操作中，A-LAB在尝试的58次尝试中成功生产了41种新化合物，每天超过两种新材料的速度。为了进行比较，如果他们完全达到所需的材料，则可能需要一个人类的研究人员进行猜测和实验才能创建一种新材料。
为了使材料项目预测的新颖化合物，A-LAB的AI通过梳理科学论文并使用积极的学习来进行调整，从而创造了新食谱。材料项目和侏儒的数据用于评估材料的预测稳定性。
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一名科学家Gerd Ceder说：“我们的成功率惊人的71％的成功率已经有了一些改进的方法来改善它。”“我们已经表明，将理论和数据方面与自动化相结合的结果令人难以置信。我们可以比以往任何时候都更快地制造和测试材料，并且在材料项目中添加更多的数据点意味着我们可以做出更明智的选择。”
该材料项目是有关世界上无机材料的信息最广泛使用的开放访问存储库。该数据库拥有数十万个结构和分子的属性，主要是在伯克利实验室的国家能源研究科学计算中心处理的信息。每天出版了40万人注册为该网站的用户，每天出版了四篇文章。自材料项目开始以来，Google DeepMind的贡献是一个小组的结构稳定性数据的最大添加。
Google Deepmind材料发现团队的负责人Ekin Dogus Cubuk说：“我们希望GNOME项目能够推动研究无机晶体的研究。”“外部研究人员已经通过并发，独立的物理实验验证了736多个侏儒的新材料，表明我们的模型的发现可以在实验室中实现。”
材料项目现在正在处理Google DeepMind的化合物，并将其添加到在线数据库中。新数据将免费提供给研究人员，还可以参与与材料项目合作的A-LAB等项目。
伯克利实验室（Berkeley Lab）分子铸造厂的总监Persson说：“人们正在使用我们正在做的工作来生产前所未有的材料信息。”“这是我打算与材料项目有关的：不仅要制造我免费生产的数据并可以加速世界的材料设计，还可以教导世界。它们可以为您提供什么计算，它们可以比实验更有效地扫描新的化合物和属性的大空间。”
佩尔森说：“制作材料不是为了胆小的人。”“要花很长时间才能从计算到商业化。它必须具有正确的属性，在设备内部工作，能够扩展并具有正确的成本效率和性能。目标项目和设施（如A-LAB）的目标是利用数据，启用数据驱动的勘探，并最终为公司提供更多可行的目标。”
