其相关研究成果已经在当地时间周三以题《An autonomous laboratory for the accelerated synthesis of novel materials》刊登于《自然》上。IT之家附DOI:10.1038/s41586-023-06734-w。
DeepMind 研究员在论文中指出，其假设的近 40 万个材料设计中的大部分很快就可以在实验室条件下生产出来。这项研究可以为生产性能更好的电池、太阳能电池板和计算机芯片提供帮助。
通过使用 AI 预测这些新材料的稳定性后，DeepMind 表示下一步的研究重心将转向预测它们在实验室中合成的难易程度。
实际上，新材料的发现和合成其实是一个十分昂贵且耗时的过程，例如我们目前随处可见的锂离子电池的商业应用过程经历了大约 20 年的时间，其间耗费无数成本与心血。
“我们希望通过实验、自主合成和机器学习模型的巨大改进，将这个 10 到 20 年的时间缩短到一个更容易控制的范围”，DeepMind 的研究员 Ekin Dogus Cubuk 说道。
据介绍，DeepMind 的 AI 是基于 Materials Project 数据进行训练的。这是一个于 2011 年在劳伦斯伯克利国家实验室成立的国际研究组织，目前拥有约 5 万种已知材料的研究成果。
该公司表示，现在将与研究界分享其数据，以期加速材料发现的进一步突破。
“当涉及到成本增加时，行业往往有点风险规避，而新材料通常需要一段时间才能变得具有成本效益”，Materials Project 的负责人 Kristin Persson 说，“如果我们能进一步缩短这个时间，那就算是真正的突破了。”
