從計(jì)算機(jī)芯片、電池到太陽能電池板等現(xiàn)代技術(shù)都依賴于無機(jī)晶體。開發(fā)這些新技術(shù)，所需的晶體必須穩(wěn)定，否則材料就會(huì)分解，而每個(gè)新的、穩(wěn)定的晶體背后可能需要研究人員數(shù)月或者更久的艱苦實(shí)驗(yàn)。

Google DeepMind 材料團(tuán)隊(duì)分享了 220 萬顆新晶體的發(fā)現(xiàn)，相當(dāng)于近 800 年的知識(shí)。該團(tuán)隊(duì)推出了新的深度學(xué)習(xí)工具，用于材料探索的圖網(wǎng)絡(luò) (GNoME)，可通過預(yù)測新材料的穩(wěn)定性來顯著提高發(fā)現(xiàn)的速度和效率。

論文鏈接：https://www.nature.com/articles/s41586-023-06735-9

使用 GNoME，科學(xué)家可以使人類已知的技術(shù)上可行的材料數(shù)量成倍增加。在其 220 萬個(gè)預(yù)測中，有 38 萬個(gè)是最穩(wěn)定的。這些候選材料中有潛力開發(fā)未來變革性技術(shù)，包括超導(dǎo)體、超級(jí)計(jì)算機(jī)供電和下一代電池等等。

GNoME 展示了利用人工智能大規(guī)模發(fā)現(xiàn)和開發(fā)新材料的潛力。世界各地實(shí)驗(yàn)室的外部研究人員在并行工作中獨(dú)立實(shí)驗(yàn)創(chuàng)建了 736 個(gè)此類新結(jié)構(gòu)。

勞倫斯伯克利國家實(shí)驗(yàn)室的研究團(tuán)隊(duì)與 Google DeepMind 合作，開發(fā)了一個(gè)將機(jī)器人技術(shù)與人工智能 (AI) 相結(jié)合的自主新材料發(fā)現(xiàn)合成系統(tǒng)，被稱為 A-Lab，可用于設(shè)計(jì)材料配方，其中包括一些可能用于汽車電池或太陽能電池的材料。它進(jìn)行合成并分析產(chǎn)品的所有過程都無需人工干預(yù)。

這些進(jìn)步有望大大加速清潔能源技術(shù)、下一代電子產(chǎn)品和許多其他應(yīng)用材料的發(fā)展?！肝覀兩磉叺脑S多技術(shù)，包括電池和太陽能電池，都可以通過更好的材料來真正改進(jìn)?！?倫敦 Google DeepMind 材料發(fā)現(xiàn)團(tuán)隊(duì)的領(lǐng)導(dǎo)者 Ekin Dogus Cubuk 說。

「科學(xué)發(fā)現(xiàn)是人工智能的下一個(gè)前沿領(lǐng)域。」紐約伊薩卡康奈爾大學(xué)人工智能科學(xué)研究所聯(lián)席主任 Carla Gomes 評(píng)論道，「這就是為什么我覺得這如此令人興奮。」

相關(guān)研究分別以「Scaling deep learning for materials discovery」和「An autonomous laboratory for the accelerated synthesis of novel materials」為題，于 2023 年 11 月 29 日發(fā)布在《Nature》。

超大尺寸材料發(fā)現(xiàn)

經(jīng)過幾個(gè)世紀(jì)的艱苦實(shí)驗(yàn)室工作，化學(xué)家已經(jīng)合成了數(shù)十萬種無機(jī)化合物——一般來說，這些材料不是基于碳原子鏈，而碳原子鏈?zhǔn)怯袡C(jī)化學(xué)的特征。然而研究表明，數(shù)十億種相對(duì)簡單的無機(jī)材料仍有待發(fā)現(xiàn)。那么從哪里開始尋找呢？

Google DeepMind 材料發(fā)現(xiàn)團(tuán)隊(duì)展示了大規(guī)模訓(xùn)練的圖網(wǎng)絡(luò)可以達(dá)到前所未有的泛化水平，從而將材料發(fā)現(xiàn)的效率提高一個(gè)數(shù)量級(jí)。他們開發(fā)的GNoME，在對(duì)從材料項(xiàng)目和類似數(shù)據(jù)庫中抓取的數(shù)據(jù)進(jìn)行訓(xùn)練后（其中包括 48,000 個(gè)穩(wěn)定晶體）調(diào)整了已知材料的成分，得出了 220 萬種潛在化合物，其中許多結(jié)構(gòu)并不在人類之前的化學(xué)直覺之內(nèi)。在計(jì)算這些材料是否穩(wěn)定并預(yù)測其晶體結(jié)構(gòu)后，系統(tǒng)最終統(tǒng)計(jì)出 381,000 種新無機(jī)化合物，將其添加到材料項(xiàng)目數(shù)據(jù)庫中。

該工作代表了人類已知的穩(wěn)定材料的數(shù)量級(jí)擴(kuò)展。在穩(wěn)定結(jié)構(gòu)中，有 736 個(gè)已通過獨(dú)立實(shí)驗(yàn)實(shí)現(xiàn)。數(shù)億次第一原理計(jì)算的規(guī)模和多樣性也釋放了下游應(yīng)用程序的建模能力，特別是導(dǎo)致高度準(zhǔn)確和強(qiáng)大的學(xué)習(xí)原子間勢，可用于凝聚相分子動(dòng)力學(xué)模擬和離子電導(dǎo)率的高保真零樣本預(yù)測。

圖：GNoME 預(yù)測的材料之一 Ba6Nb7O21 的晶體結(jié)構(gòu)。（來源：論文）

至關(guān)重要的是，GNoME 使用多種策略來預(yù)測比以前的 AI 系統(tǒng)更多的材料。例如，與其將材料中的所有鈣離子都改為鎂離子，不如只替換其中的一半，或者嘗試更廣泛的不尋常原子交換。如果這些調(diào)整不起作用也沒有問題，因?yàn)橄到y(tǒng)會(huì)清除所有不穩(wěn)定的因素，并從錯(cuò)誤中吸取教訓(xùn)?！高@就像用于材料發(fā)現(xiàn)的 ChatGPT?！笹omes 說。

高效準(zhǔn)確的機(jī)器人

預(yù)測某種材料的存在是一回事，但在實(shí)驗(yàn)室中實(shí)際制造它又是另一回事。這就是 A-Lab 的用武之地。「我們現(xiàn)在有能力快速制造我們通過計(jì)算得出的這些新材料。」A-Lab 團(tuán)隊(duì)的領(lǐng)導(dǎo)者、勞倫斯伯克利國家實(shí)驗(yàn)室和加州大學(xué)伯克利分校的材料科學(xué)家 Gerbrand Ceder 說道。

位于勞倫斯伯克利國家實(shí)驗(yàn)室的 A-Lab 使用最先進(jìn)的機(jī)器人技術(shù)來混合和加熱粉末狀固體成分，然后分析產(chǎn)品從而檢查該過程是否有效。該項(xiàng)目耗資 200 萬美元，歷時(shí) 18 個(gè)月建成。該項(xiàng)目但最大的挑戰(zhàn)在于使用人工智能使系統(tǒng)真正自主，以便使 A-Lab 可以計(jì)劃實(shí)驗(yàn)、解釋數(shù)據(jù)并就如何改進(jìn)綜合做出決策。「這些機(jī)器人看起來非常有趣，但創(chuàng)新實(shí)際上是在幕后進(jìn)行的。」Ceder 說。

Ceder 的團(tuán)隊(duì)從 Materials Project 數(shù)據(jù)庫中識(shí)別出 58 種預(yù)計(jì)穩(wěn)定的目標(biāo)化合物，將它們與 GNoME 數(shù)據(jù)庫進(jìn)行交叉檢查，并將目標(biāo)移交給 A-Lab 的機(jī)器學(xué)習(xí)模型。通過梳理 30,000 多個(gè)已發(fā)布的合成程序，A-Lab 可以評(píng)估每個(gè)目標(biāo)與現(xiàn)有材料的相似性，并提出制造所需的成分和反應(yīng)溫度。

總之，A-Lab 花了 17 天的時(shí)間，從 58 個(gè)目標(biāo)中分離出了 41 種新型化合物，其中包括各種氧化物和磷酸鹽。它的合成配方是由根據(jù)文獻(xiàn)訓(xùn)練的自然語言模型提出的，并使用基于熱力學(xué)的主動(dòng)學(xué)習(xí)方法進(jìn)行優(yōu)化。同時(shí)，對(duì)合成失敗的分析提供了直接且可行的建議，從而進(jìn)一步改進(jìn)當(dāng)前的材料篩選和合成設(shè)計(jì)技術(shù)。高成功率證明了人工智能驅(qū)動(dòng)平臺(tái)在自主材料發(fā)現(xiàn)方面的有效性，并推動(dòng)了計(jì)算、歷史知識(shí)和機(jī)器人技術(shù)的進(jìn)一步整合。

視頻：A-Lab 操作演示。（來源：論文）

英國利物浦大學(xué)材料創(chuàng)新工廠的學(xué)術(shù)主任 Andy Cooper 表示，很明顯，GNoME 等系統(tǒng)可以做出比自主實(shí)驗(yàn)室更多的計(jì)算預(yù)測。「我們真正需要的是告訴我們要做什么的計(jì)算?！笴ooper 說。為此，人工智能系統(tǒng)必須準(zhǔn)確計(jì)算更多預(yù)測材料的化學(xué)和物理特性。

模擬、機(jī)器學(xué)習(xí)和機(jī)器人技術(shù)的進(jìn)步相互交叉，形成了“專家系統(tǒng)”，通過其自動(dòng)化組件的總和，將自主性顯示為一種新興的品質(zhì)。A-Lab 通過將現(xiàn)代理論驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)技術(shù)與模塊化工作流程相結(jié)合來證明這一點(diǎn)，該工作流程可以以最少的人力投入發(fā)現(xiàn)新穎的材料。

從持續(xù)實(shí)驗(yàn)中吸取的經(jīng)驗(yàn)教訓(xùn)可以通過系統(tǒng)的數(shù)據(jù)生成和收集為系統(tǒng)本身和更大的社區(qū)提供信息。A-Lab 的系統(tǒng)性提供了一個(gè)獨(dú)特的機(jī)會(huì)來回答有關(guān)控制新型材料可合成性的因素的基本問題，充當(dāng)實(shí)驗(yàn)預(yù)言機(jī)來驗(yàn)證基于材料項(xiàng)目等豐富數(shù)據(jù)資源做出的預(yù)測。

與此同時(shí)，A-Lab 仍在運(yùn)行反應(yīng)，并將結(jié)果添加到材料項(xiàng)目中，以便世界各地的科學(xué)家可以利用它們來為自己的研究提供便利。這種不斷增長的緩存可能是該系統(tǒng)最大的資產(chǎn)，Ceder 說：「它本質(zhì)上是常見固體反應(yīng)性的地圖。這就是改變世界的東西——不是 A-Lab 本身，而是它產(chǎn)生的知識(shí)和信息。