अनुसंधान
एआई टूल जीनोम में 2.2 मिलियन नए क्रिस्टल शामिल हैं, जिनमें 380,000 स्थिर सामग्री शामिल हैं जो भविष्य की प्रौद्योगिकियों को बिजली दे सकती हैं
कंप्यूटर चिप्स और बैटरी से लेकर सौर पैनलों तक की आधुनिक प्रौद्योगिकियां अकार्बनिक क्रिस्टल पर निर्भर करती हैं। नई तकनीकों को सक्षम करने के लिए, क्रिस्टल स्थिर नहीं होना चाहिए, उन्हें विघटित किया जा सकता है, और हर नए, स्थिर क्रिस्टल में महीनों के लिए उद्यमशीलता के प्रयोग हो सकते हैं।
आज, एक पेपर में प्रकाशित प्रकृतिहम 2.2 मिलियन नए क्रिस्टल की खोज साझा करते हैं – लगभग 800 वर्षों के जूनोवेले के बराबर। हम कंटेंट रिसर्च (जीनोम) के लिए ग्राफ नेटवर्क पेश करते हैं, हमारा नया डीप लर्निंग टूल जो नाटकीय रूप से नई सामग्री की स्थिरता की भविष्यवाणी करके खोज की गति और दक्षता को बढ़ाता है।
जीनोम के साथ, हमने मानवता के लिए ज्ञात तकनीकी रूप से व्यवहार्य सामग्रियों की संख्या को गुणा किया है। इसकी 2.2 मिलियन भविष्यवाणियों में से, 380,000 सबसे स्थिर हैं, जिससे वे प्रयोगात्मक संश्लेषण के लिए आशाजनक उम्मीदवार हैं। इन उम्मीदवारों के पास ऐसी सामग्री है जो सुपरकंडक्टर्स से भविष्य की परिवर्तनकारी प्रौद्योगिकियों को विकसित करने, इलेक्ट्रिक वाहनों की दक्षता बढ़ाने के लिए सुपरकंडक्टर्स और आगामी पे जेनरेशन बैटरी को विकसित करने की संभावना रखते हैं।
जीनोम पैमाने पर नई सामग्री को खोजने और विकसित करने के लिए एआई का उपयोग करने की संभावना को दर्शाता है। दुनिया भर के प्रयोगशालाओं के बाहरी शोधकर्ताओं ने इन नए डिजाइनों को प्रयोगात्मक रूप से स्वतंत्र रूप से बनाया है। Google डीपमाइंड के साथ साझेदारी में, लॉरेंस बर्कले ने राष्ट्रीय प्रयोगशाला में एक और पेपर भी प्रकाशित किया है। प्रकृति यह दिखाता है कि स्वायत्त सामग्री संश्लेषण के लिए हमारे एआई भविष्यवाणियों से कैसे बचा जा सकता है।
हमने जीनोम पूर्वानुमानों को अनुसंधान समुदाय के लिए उपलब्ध कराया है। हम 380,000 सामग्रियों का योगदान देंगे, जिन्हें हम सामग्री परियोजना में स्थिर होने की भविष्यवाणी करते हैं, जो अब संयोजनों को संसाधित कर रहा है और इसे अपने डेटाबेस नेलाइन डेटाबेस में जोड़ रहा है। हम आशा करते हैं
ए.आई. के साथ गतिशील सामग्री की खोज
ICSD डेटाबेस में प्रयोगात्मक रूप से पहचाने जाने वाले लगभग 20,000 क्रिस्टल की गणना की जाती है। सामग्री परियोजना, क्वांटम सामग्री डेटाबेस और डब्ल्यूबीएम डेटाबेस से ड्राइंग ने इस संख्या को 48,000 स्थिर क्रिस्टल तक बढ़ा दिया। जीनोम मानवता के लिए ज्ञात स्थिर सामग्रियों की संख्या का विस्तार करता है जो 421,000 तक है।
अतीत में, VAIG वैज्ञानिकों Niriko ने प्रसिद्ध क्रिस्टल को चिल्लाकर या तत्वों के नए संयोजनों के साथ प्रयोग करके उपन्यास क्रिस्टल संरचनाओं का आविष्कार किया, एक महंगी, परीक्षण और त्रुटि प्रक्रिया जो सीमित परिणाम देने में महीनों लग सकती हैं। पिछले दशक में, सामग्री परियोजनाओं और अन्य समूहों के नेतृत्व में गणना ने 28,000 नई सामग्री खोजने में मदद की है। लेकिन फिर भी, नए एआई-वे दृष्टिकोणों ने उन सामग्री की सटीक भविष्यवाणी करने की उनकी क्षमता में बुनियादी सीमाओं को मारा जो व्यावहारिक रूप से व्यवहार्य हो सकते हैं। जीनोम की 2.2 मिलियन सामग्रियों का पता लगाना लगभग 800 वर्षों के ग्नोलेज के बराबर होगा और पूर्वानुमानों में अभूतपूर्व पैमाने और सटीकता के स्तर को दर्शाता है।
उदाहरण के लिए, 52,000 नए स्तरित यौगिक जैसे ग्रेफीन जो सुपरकंडक्टर्स के विकास के साथ इलेक्ट्रॉनिक्स में क्रांति लाने की संभावना रखते हैं। पहले, लगभग 1000 ऐसी सामग्रियों की पहचान की गई थी। हमने 528 संभावित लिथियम आयन कंडक्टर भी पाए, जो पिछले अध्ययन की तुलना में 25 गुना अधिक हैं, जिसका उपयोग रिचार्ज बैटरी के प्रदर्शन में सुधार करने के लिए किया जा सकता है।
हम 8080,000 सामग्री के लिए पूर्वानुमानित रचनाएं जारी कर रहे हैं जिसमें प्रयोगशाला सफलतापूर्वक बनाई जाती है और व्यवहार्य अनुप्रयोगों में उपयोग की जाती है। सामग्री को स्थिर माना जाने के लिए, इसे कम ऊर्जा की समान रचनाओं में विघटित नहीं किया जाना चाहिए। उदाहरण के लिए, हीरे में कार्बन की तुलना में कार्बन एक ग्राफीन -जैसी संरचना में स्थिर होता है। गणितीय रूप से, यह सामग्री एक बाहरी पतवार पर है। इस परियोजना में 2.2 मिलियन नए क्रिस्टल पाए गए हैं जो वर्तमान एंजाइम द्वारा स्थिर हैं। मानकों द्वारा स्थिर और पिछली खोजों के बाहरी पतवार के नीचे स्थित है। इनमें से, 80801,3 को सबसे स्थिर माना जाता है, और यह “अंतिम” बाहरी पतवार पर रहता है – सामग्री की स्थिरता के लिए निर्धारित नया मानक।
GNOME: सामग्री के अनुसंधान के लिए एक ग्राफ नेटवर्क का उपयोग
जीनोम कम ऊर्जा कक्ष (स्थिर) सामग्री खोजने के लिए दो पाइपलाइनों का उपयोग करता है। संरचनात्मक पाइपलाइन समान संरचनाओं के साथ -साथ -ज्ञात क्रिस्टल के साथ उम्मीदवारों का निर्माण करती है, जबकि रचनात्मक पाइपलाइन रासायनिक सूत्रों के आधार पर एक अधिक यादृच्छिक दृष्टिकोण का अनुसरण करती है। दोनों पाइपलाइनों के आउटपुट का मूल्यांकन कार्यात्मक सिद्धांत गणना के स्थापित घनत्व का उपयोग करके किया जाता है और परिणामों को जीनोम डेटाबेस में जोड़ा जाता है, जो सक्रिय शिक्षा के अगले दौर की रिपोर्ट करता है।
जीनोम एक स्टेट -ऑफ -आर्ट ग्राफ न्यूरल नेटवर्क (जीएनएन) मॉडल है। जीएनएन ग्राफ के लिए इनपुट डेटा की तुलना परमाणुओं के बीच के संलग्नक के साथ की जाती है, जो GNN को विशेष रूप से नई क्रिस्टलीय सामग्री की खोज के लिए उपयुक्त बनाता है।
जीनोम को मूल रूप से क्रिस्टल संरचनाओं और उनकी स्थिरता पर डेटा के साथ प्रशिक्षित किया गया था, जो सामग्री परियोजना द्वारा खुले तौर पर उपलब्ध है। हमने उपन्यास उम्मीदवार क्रिस्टल बनाने और उनकी स्थिरता की भविष्यवाणी करने के लिए जीनोम का उपयोग किया। प्रगतिशील प्रशिक्षण चक्र के दौरान, हमारे मॉडल डेल की भविष्यवाणी शक्ति का मूल्यांकन करने के लिए, हमने बार -बार घनत्व कार्यात्मक सिद्धांत (डीएफटी) का उपयोग करके इसके प्रभाव की जांच की, जिसका उपयोग भौतिकी, रसायन विज्ञान और सामग्रियों में किया गया था, जो अणुओं की रचनाओं को समझते हैं, जिनकी बार -बार जांच की जाती है। स्थिरता का मूल्यांकन करने के लिए।
हमने एक प्रशिक्षण प्रक्रिया का उपयोग किया, जिसे ‘एक्टिव लर्निंग’ कहा जाता है जो नाटकीय रूप से जीनोम के प्रभाव को तेज करता है। जीनोम उपन्यास, स्थिर क्रिस्टल के लिए भविष्यवाणियों का उत्पादन करेगा, जो तब डीएफटी का उपयोग करके परीक्षण किया गया था। परिणामी उच्च गुणवत्ता वाले प्रशिक्षण डेटा को तब हमारे मॉडल प्रशिक्षण में वापस कर दिया गया था।
पिछले परिष्कृत मॉडलों द्वारा निर्धारित बाहरी बेंचमार्क, हमारे शोध द्वारा सामग्री की स्थिरता का पता लगाने की खोज दर के आधार पर लगभग 50% से 80% -MATBENCH की खोज तक बढ़ गया। हम 10% से 80% से अधिक की खोज दर में सुधार करके अपने मॉडल की दक्षता बढ़ाने में भी कामयाब रहे – इस तरह की दक्षता में वृद्धि से गणना की कितनी आवश्यकता है, इस पर महत्वपूर्ण प्रभाव पड़ सकता है।
नए सामान के लिए ‘व्यंजनों’
जीनोम परियोजना का उद्देश्य नई सामग्री की खोज की लागत को कम करना है। बाहरी शोधकर्ताओं ने प्रयोगशाला में नई जीनोम सामग्री से स्वतंत्र रूप से 736 बनाया है, यह दर्शाता है कि हमारे मॉडल के स्थिर क्रिस्टल की भविष्यवाणियां वास्तविकता को ठीक से दर्शाती हैं। हमने अनुसंधान समुदाय के लिए नए खोजे गए क्रिस्टल के अपने डेटाबेस को प्रकाशित किया है। नए उम्मीदवार सामग्री के लिए आशाजनक ‘व्यंजनों’ की पूरी सूची देना।
हमारे नवीनतम आविष्कार प्रयासों के पूरा होने के बाद, हमने विजय .निक साहित्य का आविष्कार किया और पाया कि हमारे कंप्यूटर के 736 को दुनिया भर में बाहरी टीमों द्वारा स्वतंत्र रूप से महसूस किया गया था। संभावित सुपरकंडक्टर (MO5GEB2) के लिए उपरोक्त प्रकार के क्षारीय-पृथ्वी हीरे की तरह ical पैटल सामग्री (li4mgge2s7) छह उदाहरण हैं।
इन क्रिस्टल के आधार पर, नई तकनीकों को विकसित करने की क्षमता जल्दी से उत्पादन करने की क्षमता पर निर्भर करती है। बर्कले लैब में हमारे सहयोगियों के नेतृत्व में एक पेपर में, शोधकर्ताओं ने दिखाया कि रोबोट लैब्स जल्दी से स्वचालित संश्लेषण तकनीकों के साथ नई सामग्री बना सकते हैं। सामग्री परियोजना से जीनोम से सामग्री और स्थिरता से अंतर्दृष्टि का उपयोग करते हुए, स्वायत्त प्रयोगशाला ने क्रिस्टल संरचनाओं के लिए नए व्यंजनों का निर्माण किया और सफलतापूर्वक 41 से अधिक नई सामग्रियों को संश्लेषित किया, ए-संचालित सामग्री संश्लेषण के लिए नई संभावनाएं खोलीं।
ए-एलएबी, बर्कले लैब में एक सुविधा जहां आर्टिफिशियल इंटेलिजेंस रोबोट को नई सामग्री बनाने के लिए गाइड करता है। फोटो क्रेडिट: मर्लिन सार्जेंट/बर्कले लैब
नई प्रौद्योगिकियों के लिए नई सामग्री
अधिक टिकाऊ भविष्य बनाने के लिए, हमें नई सामग्री की आवश्यकता है। जीनोम ने 380,000 स्थिर क्रिस्टल पाए हैं। यह हरी तकनीकों को विकसित करने की संभावना है – बेहतर बैटरी से लेकर इलेक्ट्रिक कारों के लिए अधिक कुशल कंप्यूटिंग तक।
हमारे शोध – और बर्कले लैब, Google अनुसंधान और दुनिया भर की टीमों के सहकर्मी – AI, AI का उपयोग करने, प्रयोग करने और सामग्री को संश्लेषित करने के लिए AI का उपयोग करने की संभावना को दर्शाता है। हम आशा करते हैं कि अन्य एआई उपकरणों के साथ जीनोम आज सामग्री में क्रांति लाने और क्षेत्र के भाग्य को आकार देने में मदद कर सकता है।
पावती
यह काम हमारे आश्चर्यजनक सह-लेखकों के बिना संभव नहीं होता: साइमन बैट्सज़र, सैम शेन्होलज़, मुर्तन अकोल और गोन चून। हम परियोजना को प्रायोजित करने के लिए परियोजना को भी स्वीकार करना चाहते हैं, जैठा सोहल-डिकस्टिन, जेफ डीन, जेफ डीन, जोले बैरल, जॉन श्लेन्स, पुशमीत कोहली और जुबिन ग्रामानी; उत्पाद प्रबंधन सहायता के लिए लिजी डोरफमैन; कार्यक्रम प्रबंधन सहायता के लिए एंड्रयू पियर्सन; कंप्यूटिंग संसाधनों में मदद करने के लिए यूएस स्मान लिम; ल्यूक मैट्ज़ उनके बुनियादी ढांचे में मदद करने के लिए; अर्नेस्टो ओक amp एमओ एरस पाइपलाइन पर प्रारंभिक काम में मदद करने के लिए; स्टीन सैंडेक में, बिलेज यील्ड्स, ची चेन, क्रिस बार्टेल, गेरब्रांड सेडर, जॉय सन, जेपी होल्ट, क्रिस्टिन पर्सन, लूसन यांग, मैट हॉर्टन और माइकल ब्रेयर विवेकपूर्ण चर्चाओं के लिए; और निरंतर समर्थन के लिए Google डीपमाइंड टीम।
