两年前，google旗下深度思维公司宣布，借深度进修技术发现220万种新型晶体质料。本年初，微软流传宣扬pp电子首页-其AI模子MatterGen能从零天生无机质料，有望倾覆无机质料设计范式。 人工智能（AI）推动质料研究的新时代似乎已经开启，但攻讦声也随之而来。攻讦者认为部门AI假想的化合物缺少原创性、实用性不足。AI会完全转变质料发现领域，另有是会沦为太过炒作？英国《天然》网站日前一则报导指出，多数研究者认可AI于质料科学的巨年夜潜力，但需与试验化学家深度相助，同时正视当前AI局限并连续改良，方能开释其全数能量。 ? AI驱动质料设计热潮 于AI加入前，研究职员重要依靠“密度泛函理论”（DFT）这一传统盘算要领推测新质料和性子。DFT曾经推测出超强磁体、超导体等优质新质料。 但DFT盘算量极年夜，若要一次性筛选数百万种化合物，成本高到不行思议，AI的价值就此凸显。深度思维公司开发的“质料摸索图收集”（GNoME）AI体系，一次性发现220万种新型晶体质料，涵盖元素周期表多种元素，此中包罗5.2万种近似石墨烯的层状化合物，以和528种有望改良可充电电池性能的锂离子导体。 美国劳伦斯伯克利国家试验室开发出A-Lab机械人体系。该体系经由历程研读上万篇无机化合物合成论文，掌握配方设计能力，可合成DFT已经推测结构、却从未被制备的化合物。同时，A-Lab能操控机械人履行试验、分析产物是否达标，须要时调整配方实现闭环优化。 GNoME与A-Lab论文发表后不久，微软推出AI工具MatterGen。相较在GNoME，MatterGen更具针对于性，它能直接天生切合设计前提的质料。科学家不仅可指定质料类型，另有能设定机械、电气、磁性等性能需求，为精准研发提供有力工具。此外，元宇宙平台公司基础AI团队与佐治亚理工学院相助，聚焦“金属有机框架”（MOF）多孔质料，推测出100多种对于二氧化碳强吸附的MOF结构，为AI加速直接空气捕捉碳技术研发提供了支撑。 原创性与实用性之辩 只管行业巨头的摸索势头强劲，争议却从未停息。不少科学家直言，部门AI体系假想的化合物既无原创性，也缺少实用价值。 美国加州年夜学圣巴巴拉分校质料科学家安东尼 奇塔姆等人阅读深度思维的假定晶体列表后发现，其AI推测的1.8万多种化合物包罗钷、锕等稀有放射性元素，实用价值存疑。英国伦敦年夜学学院固体化学家罗伯特 帕尔格雷夫核查A-Lab研究结果时也指出，该项目合成的41种无机化合物中，部门质料描写有误，甚至有早已经合成的已经知质料。 对于此，A-Lab试验室职员回应，具体再分析证实A-Lab对于质料特征的描写靠得�。吩浜铣晌怂频幕衔�。深度思维一名讲话人则体现，GNoME推测的700多种化合物已经获其他研究职员自力合成，且该模子另有引导发现了几种未知铯基化合物，有望用在光电子与储能领域。 微软的MatterGen也堕入争议。团队测试时让其保举特定硬度的新质料，其合成出“钽铬氧化物”无序化合物。但本年6月一篇预印本论文指出，这类质料早于1972年就已经初次制备，甚至被纳入MatterGen的练习数据。 元宇宙平台公司与佐治亚理工学院的相助项目一样遭质疑。瑞士洛桑联邦理工学院盘算化学家贝伦德 斯密特经由历程盘算证明，相助项目提出的新质料没法实现直接空气捕捉，模子高估了质料与二氧化碳的联合能力，部门缘故原由是练习所用基础数据库存于偏差。 实用化需突破多重关卡 争议虽于，多数研究者仍信赖，连续优化后，AI模子将有力推动质料科学前进。 为确保AI结果靠得住，微软团队开发辅助AI体系MatterSim，专门验证MatterGen提出的结构于真实温度、压力前提下是否稳定。但即便AI辅助质料发现被证明有用，人类另有面对巨年夜挑战：譬如怎样按市场需求优化工艺，又譬如怎样实现新质料年夜规模制造，并将其融入贸易产物。 美国Citrine信息学公司的AI体系正助力客户优化现有质料与制造工艺。该公司首席履行官格雷格 穆荷兰德体现，每一位客户都拥有定制化Citrine模子，这些模子基在客户专有试验数据练习，另有融入研发职员的“化学直觉”，以增强AI判定力。 不成否认，社会对于新质料的迫切需求，将连续推动AI于该领域的摸索。人类当前面对的诸多庞大社会挑战，暗地里都受限在质料瓶颈。科学家期待借助AI，设计出可规模化生产、真正影响一样平�Ｉ畹慕角氨仓柿希肁I于质料科学领域的价值真正落地。
图片来历：《天然》网站
BASED ON HONESTY AND INNOVATION
CONTACT US
扫一扫进入手机站
当前位置：
热门推荐
