从电动汽车电池到太阳能电池再到微芯片，新材料可以加速技术突破。但是，通常需要数月甚至数年的试错研究来发现这些材料。

谷歌DeepMind希望用一种新工具改变这一现状，该工具使用深度学习技术大幅加速新材料的发现过程。这种技术被称为材料探索图形网络（GNoME），它已被用来预测220万种新材料的结构，其中超过700种已经在实验室创造出来，现在正在测试中。它的相关研究在今天发表在《自然》杂志上。

除了GNoME，劳伦斯伯克利国家实验室还宣布了一个新的自动化实验室。该实验室利用包括一些GNoME发现的材料数据库中的数据，并使用机器学习和机器手臂来设计新材料，而不需要人类帮助。谷歌DeepMind表示，这些进步一起显示了使用人工智能来扩大新材料发现和开发的潜力。

GNoME可以被描述为材料发现领域的AlphaFold，麻省理工学院材料科学与工程教授Ju Li如是说。AlphaFold是DeepMind在2020年宣布的一个人工智能系统，它能够高精度预测蛋白质结构，自那以后已促进了生物学研究和药物发现。得益于GNoME，已知稳定材料的数量几乎增加了十倍，达到了421,000种。

谷歌DeepMind的材料发现负责人Dogus Cubuk在新闻发布会上表示：“虽然材料在几乎所有技术中都扮演了非常关键的角色，但我们人类只知道几万种稳定材料。”

为了发现新材料，科学家们结合了周期表中的不同元素。但因为组合太多，盲目进行这个过程是低效的。相反，研究人员在现有结构的基础上进行构建，通过进行小的调整，希望能够发现拥有潜力的新组合。然而，这个繁琐的过程仍然非常耗时。此外，由于它是在现有结构的基础上进行的，这限制了意想不到发现的潜力。

为了克服这些限制，DeepMind结合了两种不同的深度学习模型。第一个模型通过对现有材料中的元素进行修改，生成了十多亿种结构。然而第二个模型忽略了现有结构，仅根据化学式来预测新材料的稳定性。这两个模型的结合为可能性提供了更广阔的范围。

一旦生成了候选结构，它们就会通过DeepMind的GNoME模型进行筛选。模型预测给定结构的分解能量，这是衡量材料可能稳定性的一个重要指标。"稳定"的材料不会轻易分解，这对于工程目的非常重要。GNoME选择最有前途的候选者，然后基于已知的理论框架进行进一步的评估。

然后多次重复这个过程，每次发现都纳入下一轮训练中。

在第一轮中，GNoME预测不同材料稳定性的精确度在5%左右，但在迭代学习过程中迅速提高。最终结果显示，对于第一个模型，GNoME管理预测结构稳定性的时间超过80%，对于第二个模型是33%。

使用人工智能模型来创造新材料并不是一个新概念。由伯克利实验室的Kristin Persson领导的Materials Project项目使用了类似的技术来发现并提高48000种材料的稳定性。

然而，GNoME的规模和精确度使它与以前的努力不同。它接受的训练数据至少比任何以前的模型多一个数量级，明尼苏达大学化学工程与材料科学助理教授Chris Bartel如是说。

以前进行类似计算既昂贵又规模有限，马里兰大学材料科学与工程副教授Yifei Mo说。GNoME允许这些计算以更高的准确性和更低的计算成本扩展，Mo说：“影响可以是巨大的。”

一旦发现了新材料，证明它们的用途回归同样重要。伯克利实验室的新自动化实验室，名为A-Lab，已经在使用一些GNoME的发现与Materials Project信息，将机器人技术与机器学习整合在一起，以优化这类材料的开发。

实验室能够自己决定如何制作提议的材料，并创建多达五种初始配方。这些配方由训练有素的机器学习模型生成，该模型在现有的科学文献上接受过训练。每次实验后，实验室使用结果来调整配方。

伯克利实验室的研究人员表示，A-Lab在17天内进行了355次实验，并成功合成了58种提议化合物中的41种。这相当于每天两次成功合成。

在典型的人类领导的实验室里，制造材料需要更长的时间。伯克利实验室的Persson在新闻发布会上说：“如果你运气不好，它可能需要数月甚至数年。”她说，大多数学生几周后就放弃了。"但是A-Lab不介意失败。它会一次又一次地尝试。"

DeepMind和伯克利实验室的研究人员表示，这些新的人工智能工具可以帮助加速能源、计算和许多其他领域的硬件创新。

“特别是在清洁能源领域，硬件需要创新，如果我们要解决气候危机。”Persson说。“这是加速创新的一个方面。”

未参与研究的Bartel表示，这些材料将是电池、计算机芯片、陶瓷和电子技术等技术领域的有希望的候选者。

锂离子电池导体是最有前途的用例之一。导体在电池中起着重要作用，通过促进各组件间的电流流动。DeepMind表示，GNoME识别出528种有前途的锂离子导体以及其他发现，其中一些可能有助于使电池更加高效。

然而，即使发现了新材料，通常也需要数十年时间才能将其商业化。“如果我们能将此缩短到五年，那将是一个很大的改善，”Cubuk说。