AI 是一種范式轉(zhuǎn)變，可能會挖掘下一個超級材料

從青銅時代到工業(yè)革命除此之外，新材料的發(fā)現(xiàn)和開發(fā)一直是人類歷史的驅(qū)動力。這些新穎的材料幫助推動了技術(shù)進步并塑造了文明。

今天，我們正處于一個新時代的開端，其中人工智能（AI） 似乎處于改變對有用材料的搜索的完美位置。這似乎將徹底改變他們的調(diào)查、創(chuàng)建和測試方法。

在古代，人類文明利用自然資源進行實驗，以創(chuàng)造工具和文物。公元前 4 世紀(jì)中期的青銅時代是一個重要的里程碑。青銅，一個銅和錫的合金，導(dǎo)致了更強大的工具和武器的發(fā)展，以及農(nóng)業(yè)和建筑業(yè)的進步。

青銅通常被稱為人類創(chuàng)造的第一種“新材料”。我們采用了不同的元素并創(chuàng)造了一些新的東西，具有比任何一種成分更好的特性和獨特的品質(zhì)。公元前 3,500 年左右在古代美索不達米亞發(fā)明玻璃是另一個開創(chuàng)性的時刻。

快進到 20 世紀(jì)，塑料聚合物、陶瓷和超導(dǎo)體開辟了技術(shù)的新領(lǐng)域。陶瓷，以其耐用性和耐熱性而聞名，成為從航空航天到電子等行業(yè)的主打產(chǎn)品。

超導(dǎo)體，即可以以零電阻導(dǎo)電的材料，已經(jīng)用于磁懸浮（磁懸浮列車）、粒子加速器和醫(yī)療設(shè)備。

AI 加入競爭

以前，尋找有助于推動下一代突破性技術(shù)開發(fā)的新材料是一個漫長而昂貴的過程。這是由于許多材料在原子和分子水平上的復(fù)雜性。傳統(tǒng)方法基本上基于反復(fù)試驗，需要專門的設(shè)備和資源。

材料發(fā)現(xiàn)中固有的不確定性和風(fēng)險使該過程進一步復(fù)雜化和延長。然而，AI 的進步，包括在 AI 的一個子集中稱為機器學(xué)習(xí)開始改變整個格局，實現(xiàn)更高效、更有針對性的方法。

在機器學(xué)習(xí)中，稱為算法的數(shù)學(xué)規(guī)則從數(shù)據(jù)中學(xué)習(xí)，無需人工干預(yù)即可改進任務(wù)。

主要轉(zhuǎn)變是一種基于“生成式”AI 系統(tǒng)的新方法，它可以創(chuàng)建新內(nèi)容。當(dāng)提供所需的屬性和約束時，AI 系統(tǒng)現(xiàn)在可以直接生產(chǎn)新型材料。

本月早些時候，Microsoft 的一個團隊在自然界引入了一對用于設(shè)計無機材料（不基于碳元素的材料）的 AI 工具。

這些工具在材料發(fā)現(xiàn)中發(fā)揮著互補作用。他們被稱為MatterGen 和 MatterSim.第一個選項創(chuàng)建新的候選材料，第二個選項篩選和驗證它們 - 以確保它們可以在現(xiàn)實世界中制造。

可以通過 MatterGen 整合的特定所需特性包括特定的對稱性或機械、電子和磁性。

與主要依賴直覺（以及廣泛而乏味的實驗）的傳統(tǒng)方法不同，MatterGen 可以在很短的時間內(nèi)生成數(shù)千種具有特定所需特性的潛在材料。

這種以 AI 為主導(dǎo)的方法可加快材料設(shè)計的初始階段。它使研究人員能夠探索更廣泛的可能性，并專注于最有前途的候選藥物。

MatterSim 應(yīng)用嚴(yán)格的計算機分析來預(yù)測這些擬議材料的穩(wěn)定性和可行性。這種預(yù)測能力有助于從物理上可行的可能性中過濾出理論上的可能性。這確保了只有穩(wěn)定的材料才能在發(fā)現(xiàn)過程中向前推進。

包裝盒中的新工具

在這一點上，我們可能想知道，通過這個過程識別的新材料是什么樣子的？MatterSim 主要關(guān)注晶體，或者更恰當(dāng)?shù)仃P(guān)注具有特定原子排列的獨特晶體結(jié)構(gòu)。

這些結(jié)構(gòu)經(jīng)過定制，可滿足精確的性能約束，使其適用于各種應(yīng)用。這些包括高能電池、柔性電子產(chǎn)品、顯示器、太陽能電池板或先進的醫(yī)療植入物。

然而，Microsoft 強大的二人組并不是孤軍奮戰(zhàn)。Google DeepMind 的用于材料探索的圖形網(wǎng)絡(luò) （Gnome）是另一個有望顯著加快發(fā)現(xiàn)過程的工具。

Gnome 使用一種受人腦啟發(fā)的 AI 形式，稱為深度學(xué)習(xí)。它預(yù)測新材料的穩(wěn)定性，顯著縮短勘探和發(fā)現(xiàn)階段。

在 2023 年發(fā)表的一篇論文中中，來自 Google DeepMind 的研究人員證明，他們的 AI 模型可以識別 220 萬種新的穩(wěn)定材料。其中大約 736 個已經(jīng)通過實驗實現(xiàn)。

這比以前的方法增加了 10 倍。這些材料其中許多以前不為人類化學(xué)家所知，但在清潔能源、電子等領(lǐng)域具有潛在的應(yīng)用。

即使 Google 的 Gnome 和 Microsoft 的 MatterGen 都是基于 AI 的，但它們的方法也不同，并且在某些方面提供了互補的方法。Gnome 通過在現(xiàn)有結(jié)構(gòu)上創(chuàng)建變化來預(yù)測新材料的穩(wěn)定性，并專注于識別穩(wěn)定的晶體材料。

另一方面，MatterGen 采用生成式 AI 模型，根據(jù)特定的設(shè)計要求直接設(shè)計新型材料。它通過改變元素、位置和周期性晶格（三維重復(fù)結(jié)構(gòu)）來創(chuàng)建材料結(jié)構(gòu)。

AI 驅(qū)動的材料發(fā)現(xiàn)的影響是巨大的。它們可能會導(dǎo)致儲能和環(huán)境可持續(xù)性等領(lǐng)域的創(chuàng)新。例如，最有前途的應(yīng)用之一是新電池的開發(fā)。

隨著世界向可再生能源過渡，對高效、持久耐用的電池的需求已經(jīng)增長，并將繼續(xù)增長。AI 工具可以幫助研究人員設(shè)計和識別能夠支持更高能量密度、更快充電時間和更長使用壽命的新材料。

除了儲能之外，新材料還可用于設(shè)計新的醫(yī)療設(shè)備、植入物，甚至藥物輸送系統(tǒng)。這可以改善患者的治療效果并推進醫(yī)療治療。

在航空航天領(lǐng)域，輕質(zhì)、耐用的材料可以提高飛機和航天器的性能和安全性。同時，用于水凈化、碳捕獲和廢物管理的新材料可以解決緊迫的環(huán)境挑戰(zhàn)。

Domenico Vicinanza， 智能系統(tǒng)與數(shù)據(jù)科學(xué)副教授，安格利亞魯斯金大學(xué)

本文轉(zhuǎn)載自對話根據(jù) Creative Commons 許可。閱讀原創(chuàng)文章.

寶寶起名 起名