實(shí)驗(yàn)室里的一只機(jī)械臂在人工智能的指導(dǎo)下創(chuàng)造了一種新材料。 A-Lab使用人工智能引導(dǎo)的機(jī)器人來(lái)混合和加熱成分，以合成新材料。鳴謝:瑪麗蓮·薩金特/伯克利實(shí)驗(yàn)室 一個(gè)結(jié)合機(jī)器人技術(shù)和人工智能(AI)來(lái)創(chuàng)造全新材料的自主系統(tǒng)發(fā)布了第一批發(fā)現(xiàn)。該系統(tǒng)被稱為A-Lab，為材料設(shè)計(jì)配方，包括一些可能用于電池或太陽(yáng)能電池的材料。然后，它進(jìn)行合成并分析產(chǎn)品——所有這些都不需要人工干預(yù)。與此同時(shí)，另一個(gè)人工智能系統(tǒng)已經(jīng)預(yù)測(cè)到數(shù)十萬(wàn)種穩(wěn)定材料的存在，這給了A-Lab許多未來(lái)努力的候選人。 這些進(jìn)步加在一起，有望大大加快清潔能源技術(shù)、下一代電子產(chǎn)品和許多其他應(yīng)用材料的發(fā)現(xiàn)?！拔覀冎車脑S多技術(shù)，包括電池和太陽(yáng)能電池，真的可以通過(guò)更好的材料來(lái)改善，”倫敦谷歌DeepMind材料發(fā)現(xiàn)團(tuán)隊(duì)的負(fù)責(zé)人Ekin Dogus Cubuk說(shuō)，他參與了今天發(fā)表在《自然》雜志1，2上的兩項(xiàng)研究。 “科學(xué)發(fā)現(xiàn)是人工智能的下一個(gè)前沿，”紐約伊薩卡康奈爾大學(xué)人工智能科學(xué)研究所的聯(lián)合主任卡拉·戈麥斯說(shuō)，他沒(méi)有參與這項(xiàng)研究。“這就是為什么我覺(jué)得這很令人興奮?！? 超大尺寸材料的發(fā)現(xiàn) 經(jīng)過(guò)幾個(gè)世紀(jì)艱苦的實(shí)驗(yàn)室工作，化學(xué)家已經(jīng)合成了幾十萬(wàn)種無(wú)機(jī)化合物——一般來(lái)說(shuō)，這些材料不是基于有機(jī)化學(xué)特有的碳原子鏈。然而研究表明，數(shù)十億相對(duì)簡(jiǎn)單的無(wú)機(jī)材料仍在等待被發(fā)現(xiàn)。那么從哪里開(kāi)始尋找呢？ 許多項(xiàng)目試圖通過(guò)計(jì)算模擬新的無(wú)機(jī)材料和計(jì)算屬性(如它們的原子如何在晶體中聚集)來(lái)減少在實(shí)驗(yàn)室擺弄各種材料的時(shí)間。這些努力——包括位于加州伯克利的勞倫斯·伯克利國(guó)家實(shí)驗(yàn)室(LBNL)的材料項(xiàng)目——已經(jīng)共同產(chǎn)生了大約48，000種材料，他們預(yù)測(cè)這些材料將是穩(wěn)定的。一個(gè)動(dòng)畫(huà)序列，顯示一個(gè)水晶的球和棒模型，旋轉(zhuǎn)。GNoME預(yù)言的材料之一Ba6Nb7O21的晶體結(jié)構(gòu)。鋇是藍(lán)色的，鈮是灰色的，氧是綠色的。鳴謝:材料項(xiàng)目/伯克利實(shí)驗(yàn)室 谷歌DeepMind現(xiàn)在通過(guò)一個(gè)名為材料探索圖形網(wǎng)絡(luò)(GNoME)的人工智能系統(tǒng)將這種方法放大了。在對(duì)從材料項(xiàng)目和類似數(shù)據(jù)庫(kù)中收集的數(shù)據(jù)進(jìn)行訓(xùn)練后，GNoME調(diào)整了已知材料的成分，得出了220萬(wàn)種潛在化合物。在計(jì)算了這些材料是否穩(wěn)定，并預(yù)測(cè)了它們的晶體結(jié)構(gòu)后，該系統(tǒng)產(chǎn)生了381，000種新的無(wú)機(jī)化合物的最終記錄，以添加到材料項(xiàng)目數(shù)據(jù)庫(kù)1中。 至關(guān)重要的是，GNoME使用了幾種策略來(lái)預(yù)測(cè)比以前的AI系統(tǒng)更多的材料。例如，與其將一種材料中的所有鈣離子都變成鎂，不如只替換其中的一半，或者嘗試更大范圍的不尋常的原子交換。如果這些調(diào)整不奏效也沒(méi)關(guān)系，因?yàn)橄到y(tǒng)會(huì)剔除任何不穩(wěn)定的東西，并從錯(cuò)誤中學(xué)習(xí)?！斑@就像材料發(fā)現(xiàn)的ChatGPT，”Gomes說(shuō)。 不知疲倦的機(jī)器人 預(yù)測(cè)一種材料的存在是一回事，但在實(shí)驗(yàn)室里實(shí)際制造又是另一回事。這就是實(shí)驗(yàn)室的作用。“我們現(xiàn)在有能力快速制造我們通過(guò)計(jì)算得出的這些新材料，”領(lǐng)導(dǎo)A-Lab團(tuán)隊(duì)的LBNL和加州大學(xué)伯克利分校的材料科學(xué)家Gerbrand Ceder說(shuō)。 位于LBNL的A-Lab使用最先進(jìn)的機(jī)器人技術(shù)來(lái)混合和加熱粉末狀固體成分，然后分析產(chǎn)品以檢查程序是否有效。這座耗資200萬(wàn)美元的建筑歷時(shí)18個(gè)月建成。但最大的挑戰(zhàn)在于使用人工智能使系統(tǒng)真正自主，這樣它就可以計(jì)劃實(shí)驗(yàn)，解釋數(shù)據(jù)，并就如何改善合成做出決定。“機(jī)器人看起來(lái)很有趣，但創(chuàng)新真的在引擎蓋下，”塞德?tīng)栒f(shuō)。Ceder的團(tuán)隊(duì)從材料項(xiàng)目數(shù)據(jù)庫(kù)中確定了58種預(yù)測(cè)穩(wěn)定的目標(biāo)化合物，與GNoME數(shù)據(jù)庫(kù)進(jìn)行了交叉檢查，并將目標(biāo)交給了A-Lab的機(jī)器學(xué)習(xí)模型。 通過(guò)梳理超過(guò)30，000個(gè)已公布的合成程序，A-Lab可以評(píng)估每個(gè)目標(biāo)與現(xiàn)有材料的相似性，并提出制造目標(biāo)所需的成分和反應(yīng)溫度。然后，系統(tǒng)從貨架上選擇配料，進(jìn)行合成并分析產(chǎn)品。如果在使用文獻(xiàn)中啟發(fā)的配方進(jìn)行幾次嘗試后，只有不到一半的產(chǎn)品是目標(biāo)材料，則“主動(dòng)學(xué)習(xí)”算法會(huì)設(shè)計(jì)出更好的程序，不知疲倦的機(jī)器人會(huì)重新開(kāi)始。 總的來(lái)說(shuō)，A-Lab花了17天時(shí)間生產(chǎn)了41種新的無(wú)機(jī)材料，其中9種是在主動(dòng)學(xué)習(xí)提高了合成能力之后才產(chǎn)生的2。在A-Lab未能成功制造的17種材料中，大多數(shù)都是因?yàn)閷?shí)驗(yàn)困難而失敗的——有些材料最終被合成了，但只是在人類干預(yù)之后，例如，在反應(yīng)中途重新研磨混合物。 然而，英國(guó)利物浦大學(xué)材料創(chuàng)新工廠的學(xué)術(shù)主任安迪·庫(kù)珀說(shuō)，很明顯，GNoME等系統(tǒng)可以做出更多的計(jì)算預(yù)測(cè)，甚至連一個(gè)自主實(shí)驗(yàn)室都跟不上?！拔覀冋嬲枰氖歉嬖V我們制造什么的計(jì)算，”庫(kù)珀說(shuō)。為此，人工智能系統(tǒng)將不得不精確地計(jì)算更多預(yù)測(cè)材料的化學(xué)和物理屬性。 與此同時(shí)，A-Lab仍在運(yùn)行反應(yīng)，并將結(jié)果添加到材料項(xiàng)目中，因此世界各地的科學(xué)家可以使用它們來(lái)指導(dǎo)他們自己的工作。Ceder說(shuō)，這種不斷增長(zhǎng)的緩存可能是該系統(tǒng)最大的遺產(chǎn):“它本質(zhì)上是普通固體反應(yīng)性的地圖。這將改變世界——不是實(shí)驗(yàn)室本身，而是它產(chǎn)生的知識(shí)和信息?！?em>doi:https:///10.1038/d41586-023-03745-5