谷歌DeepMind和UC Berkeley AI加速新材料发现
谷歌DeepMind和UC Berkeley AI加速新材料发现
近日，《自然》杂志报道了两项突破性的研究，展示了人工智能（AI）在加速新材料发现方面的最新进展。英国伦敦谷歌深度思维公司的Ekin Cubuk团队和加州大学伯克利分校的Gerbrand Ceder团队分别提出了创新的AI模型和自动实验室系统，为新材料的研发带来了革命性的变化。
谷歌DeepMind：大规模主动学习推动材料发现效率提升
谷歌DeepMind的研究团队开发了一种基于图神经网络的深度学习模型，通过大规模主动学习改进材料发现效率。该模型在48,000个已知稳定晶体的基础上进行训练，成功预测并发现了超过220万种新的稳定结构。这一发现将人类已知的稳定材料数量扩大了一个数量级，许多新发现的结构甚至超出了传统化学直觉的预期。
研究显示，这些新发现的稳定结构中，已经有736种通过独立实验得到了验证。此外，大规模的第一性原理计算数据还解锁了下游应用的建模能力，特别是在凝聚相分子动力学模拟和离子电导率的高保真零样本预测方面展现出高度准确和稳健的性能。
UC Berkeley：A-Lab自动实验室系统实现材料合成自动化
UC Berkeley的Ceder团队开发的A-Lab（自主实验室）系统则展示了AI与机器人技术在材料科学研究中的深度融合。该系统能够根据现有科学文献进行训练，通过计算建模、机器学习和自然语言处理等技术，实现材料合成的自动化。
然而，这一突破性研究也引发了一些质疑。伦敦大学学院的无机化学和材料科学教授Robert Palgrave对A-Lab的研究结果提出了技术性担忧。他指出，A-Lab通过粉末X射线衍射（XRD）进行的合成材料相鉴定在某些情况下存在严重缺陷，一些所谓的“新化合物”实际上早已被发现，有的甚至可以追溯到90年前。
Palgrave教授强调，AI对XRD数据的解释在某些情况下过于创造性的，导致模型与实际模式不符。他认为，这代表了未能满足识别新材料的基本证据标准，论文中关于已生产出41种新型合成无机固体的中心论点无法得到支持。
对此，Ceder教授回应称，虽然A-Lab系统仍需人类科学家的指导，但这项研究展示了自主实验室可以实现的目标。他承认目前的分析方法需要进一步完善，但强调AI与人类智能的协同融合是未来发展的方向。
AI与人类智慧的协同融合是未来趋势
这些研究进展表明，AI正在显著提升新材料发现的速度和精确度。然而，正如Palgrave教授所指出的，AI目前还无法完全取代人类专家的判断。在追求技术创新的同时，确保研究的严谨性和透明度至关重要。
未来，AI与人类智慧的协同融合将成为推动科学研究进步的关键。正如Ceder教授所说，自主实验室展示了AI在材料科学领域的潜力，同时也提醒我们，人类经验的智慧对于确保研究方向的正确性不可或缺。这一领域的持续发展将为实现更高效、更绿色的未来奠定基础。