从新能源汽车电池到太阳能电池，再到计算机芯片等诸多领域，一旦有新材料发现，无疑可加速技术层面的突破。不过，新材料的研发通常需要科学家们花费数月甚至数年的时间进行反复试验和验证。然而，谷歌旗下DeepMind近日公布的一项研究或将极大加快新材料在众多科技领域的应用速度。

谷歌DeepMind的研究团队通过人工智能工具“材料探索图形网络（以下简称GNoME）”发现了多达0万种理论上稳定，但绝大部分在实验上尚未实现的晶体结构，这一成果于11月9日在顶刊《自然（Nature）》杂志上发表。

GNoME发现的晶体结构数量是科学史上发现的此类物质数量的45倍以上，业内认为，这项技术为可再生能源和先进计算芯片等领域的发展提供新路径。

据悉，这项被称为GNoME的人工智能模型旨在预测无机晶体结构，即原子的重复排列，使某种材料具有特殊的性质。迄今为止，人类已知的大约只有种无机晶体。

此次GNoME模型将这个数字扩展到多达0万种。Deepmind称，在这0万种新晶体结构中，其中有38万个稳定的晶体结构有望通过实验合成，有实际的应用前景，可能发展出“未来的变革性技术”，例如超导材料和下一代电池材料等。GNoME“在人类已知的稳定材料中实现了数量级的扩展，发现了大约年来具有革命性潜力的新材料。”

为了发现更多新材料，DeepMind团队结合了两种不同的深度学习模型。第一种是通过对现有材料中的元素进行修改，产生了超过10亿个结构。第二种方法则抛开现有的材料结构，完全根据化学式来预测新材料的稳定性。这两种深度学习模型的结合，为新材料的发现提供了更广泛的可能性。

DeepMind发表在《自然》上的论文

候选的新材料结构生成后，研究人员通过GNoME模型进行筛选。该模型可以预测特定结构的分解能量（de

转载请注明:http://www.aideyishus.com/lkyy/7880.html