Google DeepMind znajduje w ciągu zaledwie jednego roku 2,2 miliona nowych materiałów, z czego 381 000 jest stabilnych
W ciągu niespełna roku dział Google DeepMind udało się odkryć 381 000 stabilnych materiałów, które mogą przynieść korzyści wielu dziedzinom dzięki zaawansowanemu wyszkolonemu modelowi sztucznej inteligencji o nazwie Graph Networks for Materials Exploration (GNoME). W rzeczywistości jest to tylko ułamek z 2,2 miliona struktur krystalicznych przewidywanych przez model.
Sztuczna inteligencja została wyszkolona przy użyciu danych zebranych w ciągu ostatniej dekady przez Lawrence Berkeley National Laboratory w USA w ramach projektu Materials Project. Teoretycznie 381 000 stabilnych struktur może odegrać kluczową rolę w przyspieszonym rozwoju nadprzewodników, superkomputerów kwantowych, Pojazdów elektrycznych i baterie, ale wszystkie te materiały muszą najpierw zostać zsyntetyzowane w celu przetestowania ich wydajności.
Do tej pory niezależne eksperymenty zsyntetyzowały i udowodniły stabilność tylko 736 materiałów. Badacze z DeepMind chcą jednak przyspieszyć proces syntezy pozostałych struktur poprzez natychmiastowe udostępnienie danych dotyczących wszystkich materiałów, a także upublicznienie modelu sztucznej inteligencji.
Najbardziej obiecujące struktury wydają się być zawarte wśród 52 000 związków, które przypominają warstwową naturę grafeny. Mówi się, że są to idealni kandydaci do nowych form nadprzewodników, które mogą być wykorzystywane w skanerach MRI, komputerach kwantowych i reaktorach fuzji jądrowej. Ponadto model AI znalazł 528 alternatywnych przewodników litowo-jonowych, które można wykorzystać do zwiększenia wydajności akumulatorów pojazdów elektrycznych.
