無論是開發新的清潔能源，還是發展出更好的資訊處理方法，想要在這些現代技術應用上取得突破，都離不開創造出具有新穎功能的無機晶體材料，並且這些晶體必須是穩定的，不會分解成相似的能量較低的成分。

然而，每一個新的、穩定的晶體的創造，背後都經歷了耗時持久的艱苦實驗。幾十年來，科學家通過實驗已經在無機晶體結構資料庫（ICSD）中編目了20,000個「計算上」穩定的結構。但從成本、產量和合成複雜性來看，科學家越來越意識到，這種實驗策略遠稱不上完美。

現在，在一項新發表於《自然》雜誌的研究中，DeepMind團隊利用新的人工智慧工具GNoMe發現了220萬個新晶體，其中381,000個最穩定的晶體，有望成為實驗合成的候選材料，為超導體、超級計算機供電等一系列未來技術的革新和發展助力。

最先進的圖神經網路

GNoME是「材料探索圖網路」的縮寫，是DeepMind的一個新的深度學習工具。它可以通過預測新材料的穩定性，極大地提高發現新材料的速度和效率。

GNoME是一個最先進的圖神經網路（GNN）模型。GNN的輸入資料採用的是圖的形式，這些圖就好像是原子之間的連接，因此特別適用於發現新的晶體材料。

最初，研究人員使用由「材料計劃」（Materials Project）開發了十多年的資料來對GNoME進行訓練。材料計劃是一個於2011年建立的開放獲取資料庫，它計算已知的和預測的材料的性質。在訓練過程中，研究人員會用GNoME來生成新的候選晶體，並預測它們的穩定性。

為了評估GNoMe在漸進訓練週期中的預測能力，研究人員使用被稱為密度泛函理論（DFT）的計算技術反覆檢查其性能，並使用一種被稱為「主動學習」的訓練過程，不斷改進演算法，然後將得到的高質量訓練資料反饋到模型訓練中。這極大地提高了GNoMe的性能，將材料穩定性預測的發現率從50%左右提高到了80%。

在ICSD資料庫中，通過實驗確定了大約有20000個在計算上穩定的晶體。來自材料計劃、開放量子材料資料庫和WBM資料庫的計算方法將這一數字提高到48,000個。GNoME將人類已知的穩定晶體的數量增加到42.1萬種。（圖/DeepMind）

最終，GNoME生產了220萬個晶體結構，其中38萬個穩定的晶體結構已經被添加到「材料計劃」中。

在實驗室合成

正如我們前面所說的，過去，科學家都是通過對已有的晶體進行調整，或在實驗中進行新的元素組合嘗試來尋找新的晶體結構。這是一個昂貴的、需要反覆試驗的過程。

在過去的十年中，科學家們開始嘗試使用計算方法來發現新的晶體材料。這些由人工智慧主導的方法幫助科學家發現了28,000種新晶體，但這些方法在準確預測出可以在實驗室合成的材料方面受到了限制。

但在由GNoME發現的38萬多個最穩定的晶體結構中，世界各地的科學家已經在實驗中創造出了736個，這表明GNoMe以前所未有的規模和準確性預測了穩定的晶體結構。

DeepMind的研究人員在搜尋了科學文獻後，發現736個新的穩定晶體結構已經由世界各地的科學家團隊獨立實現，圖中列出的是六個例子。（圖/DeepMind）

GNoME為材料科學的貢獻具有巨大的價值。例如，GNoME計算出的52,000種類似石墨烯的新型層狀化合物，有可能隨著超導體的發展而徹底改變電子學。在此之前，科學家只確定了大約1000種這樣的材料。不僅如此，GNoME還發現了528種潛在的鋰離子導體，這一數量是之前研究的25倍，有望在提高可充電電池的性能方面發揮巨大作用。

人工智慧的新材料

現在，DeepMind的研究人員已經公開發布了新發現的晶體資料庫。他們希望通過給科學家提供這些新的候選材料的完整目錄，幫助他們測試並製造出最好的材料。

柏克萊實驗室的一個自動實驗室，人工智慧指導機器人制造新材料。（圖/Marilyn Sargent/Berkeley Lab）

與此同時，DeepMind的研究人員還與勞倫斯柏克萊國家實驗室的科學家合作，探討了GNoME的預測結果可以被如何用於材料的自動合成。他們同樣將這項研究發表在《自然》雜誌上，在論文中，他們展示了利用來自「材料計劃」的材料和GNoME對穩定性的見解，一個自動實驗室成功合成了41多種新材料，為人工智慧驅動的材料合成開闢了新的可能性。

為了建設一個更可持續的未來，我們需要新的材料。DeepMind為此所進行的研究，以及世界各地的研究人員為此做出的努力，彰顯了使用人工智慧指導材料發現、實驗和合成的潛力。或許有朝一日，GNoME與其他人工智慧工具可以幫助我們徹底改變材料研究的方法，並重塑這一重要領域的未來。

#創作團隊：

撰文：小雨

排版：雯雯

#參考來源：

https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/

Google DeepMind Adds Nearly 400,000 New Compounds to Berkeley Lab’s Materials Project

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

https://www.nature.com/articles/s41586-023-06734-w

#圖片來源：

封面圖&首圖：DeepMind