领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第1张图片

By 超神经

AI 工具 GNoME 发现 220 万种新晶体,相当于人类科学家 800 年的实验产出,其中 38 万种新晶体可以成为未来高新技术的稳定材料。

从计算机芯片、电池到太阳能电池板,都离不开结构稳定的无机晶体 (inorganic crystals)。

传统意义上,发现或者研发一种全新的稳定的无机晶体,往往需要长达数月的艰苦实验。如今借助 Google DeepMind 发布的深度学习工具 GNoME,科研人员在短时间内就发现了 220 万种新晶体(相当于人类科学家近 800 年的知识积累),其中 38 万种新晶体具备稳定的结构,成为最有可能通过实验合成并投入使用的潜在新材料。

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第2张图片

阅读论文原文:

https://www.nature.com/articles/s41586-023-06735-9

公众号后台回复「无机晶体」,获取完整 PDF

4e2641bfce7cfe28d0cc5a335c57670c.jpeg

GNoME:用于新材料研发的 SOTA GNN 模型

GNoME 全称  Graph Networks for Materials Exploration,是一个用于新材料研发的 SOTA GNN 模型,它利用深度学习,可以在极短时间内预测新材料的稳定性,极大提高了材料研发的速度和效率,展现了利用 AI 大规模开发新材料的潜力。

注:GNN 的输入数据采用 graph 形式,跟原子之间的连接类似,这一特性也使得 GNN 特别适用于新晶体材料的探索。

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第3张图片

GNoME 流程示意图

GNoME 流程可分为 4 个步骤:

* Structural pipeline:创建与已知晶体结构类似的候选者 (Candidate)

* Compositional pipeline:遵循基于化学公式的更随机的方法

* 使用 DFT 计算(密度泛函理论,Density Functional Theory)对两个 pipeline 的 output 进行评估

* 将评估结果添加到 GNoME 数据库中,为下一轮的主动学习提供信息

其中前两个步骤,主要目的是确定低能量(稳定)材料,第三个步骤中的 DFT 技术,用于反复测试模型性能,最后一个步骤中主动学习 (active learning) 策略的应用,则极大地提高了 GNoME 的性能。

ee66cb1428f0c29f6ef27113ffa3b1fb.jpeg

数据选择:前人肩膀上的数据集快照

在数据的选择上,科研人员特别借鉴了先前的研究成果,包括 Materials Project、OQMD、WBM 以及 ICSD。

为了保证可复现,GNoME 使用了固定时间点保存的两个数据集的快照,包含:

* Materials Project  2021 年 3 月的数据

* OQMD 2021 年 6 月的数据

以上两部分结构被用作所有发现(包括通过 SAPS)的基础,并通过 GNoME 生成了稳定晶体目录。

为了对更新数据进行比较,2023 年 7 月科研人员对 Materials Project、OQMD 和 WBM 又进行了另一次快照。在同样的设置下进行了约 216,000 次 DFT 计算,用于比较 GNoME 的发现率与同时进行的研究工作的发现率。

过往工作成果参考:

* Materials Project:https://next-gen.materialsproject.org/

* OQMD:https://oqmd.org/

* WBM:https://www.nature.com/articles/s41524-020-00481-6

* ICSD:https://icsd.products.fiz-karlsruhe.de/

0361cb7447b23de1aed32d060d42fb96.jpeg

实验结果

GNoME 将已知稳定晶体的数量提升近 8 倍

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第4张图片

已知稳定晶体的数量变化

上图由内到外展示了:

* ICSD 数据库中,通过人类实验确定的稳定晶体数量约为 20,000 个

* Materials Project、Open Quantum Materials Database 以及 WBM 数据库的计算方法,将稳定晶体数量增加至 48,000 个

* GNoME 将人类已知的稳定材料数量增加至 421,000 个

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第5张图片

2019-2022 年发现稳定材料的数量

浅色表示外部数据库,深色表示 GNoME 结果

2021 年至 2023 年,GNoME 以外的稳定晶体数量从 35,000 个增加到 48,000 个,与本文介绍的凸包 (convex hull) 上的 381,000 个全新稳定晶体结构相比,数量悬殊。

实验结果表明,GNoME 模型发现了 220+ 万种新晶体,更新后的凸包 (convex hull) 包含 381,000 万个新条目,结合先前研究,稳定晶体数数量达到 421,000 个,与先前的研究成果 48,000 相比,稳定晶体的数量有了数量级的扩展。

b5dfa891f5168f47da08fdd20822a5ad.jpeg

行业专家:国内代表学者梳理

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第6张图片

雷鸣(教授、博导)

北京邮电大学

信息光子学与光通信国家重点实验室

研究方向:无机光电功能纳米材料及相关光电特性、能量存储与转换材料与器件、新型异质纳米结构光催化剂、有机分子材料与场效应晶体管

个人页面:

https://kyy.bupt.edu.cn/info/1136/3409.htm

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第7张图片

詹义强(教授、博导)

复旦大学信息科学与工程学院

有机无机杂化电子课题组

研究方向:有机或有机无机杂化薄膜太阳能电池研究、基于有机半导体或无机纳米材料的新型柔性电子器件研究、新型智能传感器应用研究、新型忆阻器及其神经网络应用研究

个人页面:

http://www.it.fudan.edu.cn/Data/View/1150

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第8张图片

刘淼(研究员)

中国科学院物理研究所

研究方向:原子尺度探索物质原理、数据驱动的材料科学方法、人工智能+材料科学、机器人材料科学家

个人页面:

https://edu.iphy.ac.cn/moreintro.php?id=3190

王宗国(硕导,副研究员)

中国科学院大学

中国科学院计算机网络信息中心

研究方向:计算机应用技术、计算机技术、材料信息学与计算材料学、机器学习

个人页面:

https://people.ucas.ac.cn/~0070145

—— 完 ——

 往期推荐 

1. 千年密码新解读,DeepMind 开发 Ithaca 破译希腊铭文

2. DeepMind 利用无监督学习开发 AlphaMissense,预测 7100 万种基因突变

3. DeepMind 发布强化学习通用算法 DreamerV3,AI 成精自学捡钻石

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第9张图片

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

领先人类 800 年?DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体_第10张图片

e080023adb2c1f04a90a648995f5f6c1.gif

戳“阅读原文”,免费获取海量数据集资源!

你可能感兴趣的:(深度学习,人工智能)