Milioni di nuovi materiali scoperti con il deep learning | Intelligenza-Artificiale

Lo strumento di intelligenza artificiale GNoME trova 2,2 milioni di nuovi cristalli, inclusi 380.000 materiali stabili che potrebbero alimentare le tecnologie future

Le moderne tecnologie, dai chip dei computer alle batterie fino ai pannelli solari, si basano su cristalli inorganici. Per consentire nuove tecnologie, i cristalli devono essere stabili altrimenti possono decomporsi, e dietro ogni nuovo cristallo stabile possono esserci mesi di scrupolosa sperimentazione.

Oggi, nell’a articolo pubblicato in Naturacondividiamo la scoperta di 2,2 milioni di nuovi cristalli, equivalenti a quasi 800 anni di conoscenza. Presentiamo Graph Networks for Materials Exploration (GNoME), il nostro nuovo strumento di deep learning che aumenta notevolmente la velocità e l’efficienza della scoperta prevedendo la stabilità di nuovi materiali.

Con GNoME abbiamo moltiplicato il numero di materiali tecnologicamente validi conosciuti dall’umanità. Delle sue 2,2 milioni di previsioni, 380.000 sono le più stabili, rendendole promettenti candidati per la sintesi sperimentale. Tra questi candidati ci sono materiali che hanno il potenziale per sviluppare future tecnologie trasformative che vanno dai superconduttori, all’alimentazione dei supercomputer e alle batterie di prossima generazione per aumentare l’efficienza dei veicoli elettrici.

GNoME mostra il potenziale dell’utilizzo dell’intelligenza artificiale per scoprire e sviluppare nuovi materiali su larga scala. Ricercatori esterni nei laboratori di tutto il mondo hanno creato in modo indipendente 736 di queste nuove strutture sperimentalmente in un lavoro simultaneo. In collaborazione con Google DeepMind, ha pubblicato anche un team di ricercatori del Lawrence Berkeley National Laboratory un secondo foglio Natura ciò mostra come le nostre previsioni sull’intelligenza artificiale possono essere sfruttate per la sintesi materiale autonoma.

Abbiamo fatto Disponibili le previsioni di GNoME alla comunità di ricerca. Contribuiremo con 380.000 materiali che prevediamo saranno stabili al Progetto Materiali, che ora sta elaborando i composti e aggiungendoli al progetto il suo database on-line. Ci auguriamo che queste risorse portino avanti la ricerca sui cristalli inorganici e sblocchino la promessa di strumenti di apprendimento automatico come guide per la sperimentazione

In passato, gli scienziati cercavano nuove strutture cristalline modificando cristalli conosciuti o sperimentando nuove combinazioni di elementi: un processo costoso, basato su tentativi ed errori, che poteva richiedere mesi per fornire risultati anche limitati. Negli ultimi dieci anni, gli approcci computazionali guidati da il Progetto Materiali e altri gruppi hanno contribuito a scoprire 28.000 nuovi materiali. Ma fino ad ora, i nuovi approcci guidati dall’intelligenza artificiale hanno raggiunto un limite fondamentale nella loro capacità di prevedere con precisione materiali che potrebbero essere sperimentali. La scoperta di 2,2 milioni di materiali da parte di GNoME equivarrebbe a circa 800 anni di conoscenza e dimostra una scala e un livello di accuratezza delle previsioni senza precedenti.

Ad esempio, 52.000 nuovi composti stratificati simili al grafene che hanno il potenziale per rivoluzionare l’elettronica con lo sviluppo dei superconduttori. In precedenza, circa Sono stati identificati 1.000 materiali di questo tipo. Abbiamo anche trovato 528 potenziali conduttori di ioni di litio, 25 volte più di un studio precedenteche potrebbe essere utilizzato per migliorare le prestazioni delle batterie ricaricabili.

Stiamo rilasciando le strutture previste per 380.000 materiali che hanno le maggiori probabilità di essere realizzati con successo in laboratorio e di essere utilizzati in applicazioni praticabili. Affinché un materiale sia considerato stabile, non deve decomporsi in composizioni simili con energia inferiore. Ad esempio, il carbonio in una struttura simile al grafene è stabile rispetto al carbonio nei diamanti. Matematicamente questi materiali giacciono sullo scafo convesso. Questo progetto ha scoperto 2,2 milioni di nuovi cristalli che sono stabili secondo gli attuali standard scientifici e si trovano sotto lo scafo convesso delle scoperte precedenti. Di questi, 380.000 sono considerati i più stabili e giacciono sullo scafo convesso “finale”: il nuovo standard che abbiamo stabilito per la stabilità dei materiali.

GNoME: sfruttare le reti di grafici per l’esplorazione dei materiali

GNoME è un modello di rete neurale grafica (GNN) all’avanguardia. I dati di input per le GNN assumono la forma di un grafico che può essere paragonato alle connessioni tra atomi, il che rende le GNN particolarmente adatte alla scoperta di nuovi materiali cristallini.

GNoME è stato originariamente addestrato con dati sulle strutture cristalline e sulla loro stabilità, liberamente disponibili tramite il Progetto Materiali. Abbiamo utilizzato GNoME per generare nuovi cristalli candidati e anche per prevederne la stabilità. Per valutare il potere predittivo del nostro modello durante i cicli di addestramento progressivi, abbiamo controllato ripetutamente le sue prestazioni utilizzando tecniche computazionali consolidate note come Teoria del Funzionale della Densità (DFT), utilizzate in fisica, chimica e scienza dei materiali per comprendere le strutture degli atomi, che è importante per valutare la stabilità di cristalli.

Abbiamo utilizzato un processo di formazione chiamato “apprendimento attivo” che ha migliorato notevolmente le prestazioni di GNoME. GNoME genererebbe previsioni per le strutture di nuovi cristalli stabili, che sarebbero poi stati testati utilizzando DFT. I dati di addestramento di alta qualità risultanti sono stati poi reinseriti nel nostro addestramento del modello.

La nostra ricerca ha aumentato il tasso di scoperta della previsione della stabilità dei materiali da circa il 50% all’80%, sulla base di un benchmark esterno stabilito da precedenti modelli all’avanguardia. Siamo anche riusciti ad aumentare l’efficienza del nostro modello migliorando il tasso di scoperta da meno del 10% a oltre l’80%: tali aumenti di efficienza potrebbero avere un impatto significativo sulla quantità di calcolo richiesta per ogni scoperta.

“Ricette” di intelligenza artificiale per nuovi materiali

Il progetto GNoME mira a ridurre i costi della scoperta di nuovi materiali. Ricercatori esterni hanno creato in modo indipendente 736 dei nuovi materiali di GNoME in laboratorio, dimostrando che le previsioni del nostro modello sui cristalli stabili riflettono accuratamente la realtà. Abbiamo rilasciato alla comunità di ricerca il nostro database dei cristalli appena scoperti. Fornendo agli scienziati il ​​catalogo completo delle promettenti “ricette” per nuovi materiali candidati, speriamo che questo li aiuti a testare e potenzialmente a realizzare quelli migliori.

Il rapido sviluppo di nuove tecnologie basate su questi cristalli dipenderà dalla capacità di produrli. In un articolo condotto dai nostri collaboratori del Berkeley Lab, i ricercatori hanno dimostrato che un laboratorio robotico potrebbe produrre rapidamente nuovi materiali con tecniche di sintesi automatizzate. Utilizzando i materiali del Materials Project e le informazioni sulla stabilità di GNoME, il laboratorio autonomo ha creato nuove ricette per strutture cristalline e ha sintetizzato con successo più di 41 nuovi materiali, aprendo nuove possibilità per la sintesi dei materiali basata sull’intelligenza artificiale.

Nuovi materiali per nuove tecnologie

Per costruire un futuro più sostenibile, abbiamo bisogno di nuovi materiali. GNoME ha scoperto 380.000 cristalli stabili che racchiudono il potenziale per sviluppare tecnologie più ecologiche: dalle batterie migliori per le auto elettriche, ai superconduttori per un’elaborazione più efficiente.

La nostra ricerca – e quella dei collaboratori del Berkeley Lab, di Google Research e dei team di tutto il mondo – mostra il potenziale dell’utilizzo dell’intelligenza artificiale per guidare la scoperta, la sperimentazione e la sintesi dei materiali. Ci auguriamo che GNoME, insieme ad altri strumenti di intelligenza artificiale, possa aiutare a rivoluzionare la scoperta dei materiali oggi e a plasmare il futuro del settore.