Több mint 2 millió új anyagot fedeztek fel a Google DeepMind mesterséges intelligenciájával
A Google DeepMind kutatói összesen 2,2 millió olyan kristályszerkezetet fedeztek fel a GNoME nevű AI-eszköz segítségével, ami eddig ismeretlen volt a tudósok előtt. Az elméletileg stabil, de kísérletileg még meg nem valósult anyagkombinációk most felfedezett gyűjteménye 45-ször nagyobb, mint amit a tudomány történetében ezidáig valaha feltártak.
A kutatók azt tervezik, hogy a legígéretesebb szerkezetekből 380 ezret bocsátanak más kutatók rendelkezésére, hogy elkészíthessék őket és tesztelhessék életképességüket számos különböző területen, a napelemektől a szupravezetőkön át a számítási kapacitást növelő megoldásokig. A Nature-ben közölt tanulmány jól példázza, hogyan lehet jelentősen lerövidíteni a tudományos kísérletezés idejét, hogy potenciálisan jobb termékek és eljárások szülessenek.
„Az anyagtudomány nekem alapvetően azt jelenti, ahol az absztrakt gondolkodás találkozik a fizikai univerzummal. Nehéz elképzelni olyan technológiát, amely ne javulna, ha jobb anyagok lennének benne” – mondta Ekin Dogus Cubuk, a tanulmány egyik szerzője. A kutatók célja az volt, hogy a 48 ezer ismert kristályszerkezet mellé újabbakat fedezzenek fel – a már felfedezett anyagok tárháza az évezredek óta ismertektől (bronz, vas) az elmúlt években azonosított, bonyolultabb anyagokig terjed.
A kutatás során először gépi tanulás segítségével létrehoztak potenciális kristályjelölteket, majd felmérték azok valószínű stabilitását. Az így talált anyagok száma a DeepMind szerint közel 800 év kísérleti eredményeinek felel meg. „A mikrochipektől az akkumulátorokon át a napelemekig a szervetlen kristályok felfedezését a költséges kísérletezési folyamatok hátráltatták. Munkánk nagyságrendekkel bővíti az emberiség által ismert stabil anyagok körét” – írják a kutatók.
A felfedezett kristályszerkezeteket Cubuk szerint két területen kiválóan lehet alkalmazni: a belőlük létrehozott új vegyületek a sokoldalú réteges anyagok feltalálásában segíthetnek (így például a megújuló energiaforrások hatékonyságának növelésében is), valamint a neuromorfikus számítástechnika területén is fel lehet használni őket, az agy működését tükröző chipek készítésére.
Egy másik, szintén a Nature-ben megjelent friss tanulmány szerint a Kaliforniai Egyetem (Berkeley) és a Lawrence Berkeley Nemzeti Laboratórium kutatói már felhasználták az eredményeket az új anyagok létrehozására irányuló kísérleteikben: az 58 választott szerkezetből 41 új vegyületet sikerült megalkotni, ami több mint 70 százalékos sikerességi arányt jelent – és ezt a DeepMind kutatói szerint még tovább lehet javítani.