![alexander-grey-ooxMySOfRRU-unsplash materials, new materials](https://trader-magazine.com/wp-content/uploads/2023/12/alexander-grey-ooxMySOfRRU-unsplash-696x464.jpg)
Η DeepMind έχει χρησιμοποιήσει τεχνητή νοημοσύνη (AI) για να σχεδιάσει τη δομή περισσότερων από δύο εκατομμυρίων νέων υλικών. Η εταιρεία που ανήκει στην Google το χαιρετίζει ως μια σημαντική ανακάλυψη που λέει ότι σύντομα θα χρησιμοποιηθεί για τη βελτίωση της τεχνολογίας του πραγματικού κόσμου. Σχεδόν 400.000 από τα προτεινόμενα υλικά θα μπορούσαν να κατασκευαστούν σε εργαστηριακές συνθήκες στο εγγύς μέλλον, ανέφερε η εταιρεία σε άρθρο που δημοσιεύτηκε στο περιοδικό Nature. Οι πιθανές εφαρμογές της έρευνας περιλαμβάνουν την κατασκευή πιο ισχυρών μπαταριών, ηλιακών συλλεκτών και τσιπ υπολογιστών.
DeepMind Accelerating Material Discovery with AI
Ανακάλυψη και σύνθεση νέα υλικά μπορεί να είναι μια δαπανηρή και χρονοβόρα διαδικασία. Για παράδειγμα, η εμπορική διαθεσιμότητα μπαταριών ιόντων λιθίου, οι οποίες τώρα χρησιμοποιούνται για να τροφοδοτούν τα πάντα, από τηλέφωνα και φορητούς υπολογιστές έως ηλεκτρικά αυτοκίνητα, χρειάστηκε δύο δεκαετίες έρευνας.
«Ελπίζουμε ότι οι σημαντικές πρόοδοι στα μοντέλα πειραματισμού, αυτόνομης σύντηξης και μηχανικής μάθησης θα συντομεύσουν σημαντικά το χρονικό πλαίσιο των δέκα έως 20 ετών σε κάτι πιο εφικτό», δήλωσε ο επιστήμονας της DeepMind, Ekin Dogus Cubuk.
Η ανακάλυψη που βασίζεται στα δεδομένα φέρνει επανάσταση στην επιστήμη των υλικών
Η DeepMind εκπαίδευσε το μοντέλο AI χρησιμοποιώντας τη βάση δεδομένων Materials Project, η οποία δημιουργήθηκε στο Εθνικό Εργαστήριο Lawrence Berkeley το 2011 και περιέχει τα περισσότερα από τα 35.000 γνωστά μόρια και 130.000 ανόργανες ενώσεις.
“Οι βιομηχανικές εταιρείες τείνουν να είναι μάλλον απρόβλεπτες όσον αφορά την αύξηση του κόστους. Με τα νέα υλικά, συνήθως χρειάζεται λίγος χρόνος για να αποδώσουν”, δήλωσε η Kristin Persson, διευθύντρια του Materials Project.
Μέχρι στιγμής, η DeepMind έχει χρησιμοποιήσει AI για να εκτιμήσει τη σταθερότητα νέων υλικών. Τώρα θα επικεντρωθεί στην πρόβλεψη του πόσο εύκολο θα είναι να συντεθούν σε εργαστηριακές συνθήκες.
Πηγή ČTK