Theo báo cáo qubit, DeepMind của Google đã phát triển một công cụ khám phá vật liệu mới, với sự trợ giúp của các công cụ AI, đã phát hiện ra 2,2 triệu vật liệu tinh thể mới ổn định về mặt lý thuyết, không chỉ tăng độ chính xác của việc dự đoán độ ổn định vật liệu từ 50% lên 80%, mà còn 380.000 đã được đưa vào thử nghiệm và bài báo đã được xuất bản trên tạp chí Nature. DeepMind của Google cho biết nghiên cứu này tương đương với gần 800 năm kiến thức, vì chỉ có 28.000 vật liệu ổn định được phát hiện trong 10 năm qua. Công cụ AI này được gọi là GNoME (Graph Networks for Materials Exploration), là một Graph Neural Network (GNN) sử dụng học tập tích cực để khám phá các vật liệu mới. Theo báo cáo, các nhà nghiên cứu đã tổng hợp 736 vật liệu trong phòng thí nghiệm để chứng minh rằng các tinh thể được tính toán bởi GNoME có thể được tổng hợp. Ngoài ra, vật liệu tổng hợp cũng có thể được sử dụng làm hướng dẫn cho việc thiết kế vật liệu mới hoặc làm bộ dữ liệu mới để đào tạo và tối ưu hóa các mô hình AI khác.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Theo báo cáo qubit, DeepMind của Google đã phát triển một công cụ khám phá vật liệu mới, với sự trợ giúp của các công cụ AI, đã phát hiện ra 2,2 triệu vật liệu tinh thể mới ổn định về mặt lý thuyết, không chỉ tăng độ chính xác của việc dự đoán độ ổn định vật liệu từ 50% lên 80%, mà còn 380.000 đã được đưa vào thử nghiệm và bài báo đã được xuất bản trên tạp chí Nature. DeepMind của Google cho biết nghiên cứu này tương đương với gần 800 năm kiến thức, vì chỉ có 28.000 vật liệu ổn định được phát hiện trong 10 năm qua. Công cụ AI này được gọi là GNoME (Graph Networks for Materials Exploration), là một Graph Neural Network (GNN) sử dụng học tập tích cực để khám phá các vật liệu mới. Theo báo cáo, các nhà nghiên cứu đã tổng hợp 736 vật liệu trong phòng thí nghiệm để chứng minh rằng các tinh thể được tính toán bởi GNoME có thể được tổng hợp. Ngoài ra, vật liệu tổng hợp cũng có thể được sử dụng làm hướng dẫn cho việc thiết kế vật liệu mới hoặc làm bộ dữ liệu mới để đào tạo và tối ưu hóa các mô hình AI khác.