領先人類800年？AI預測220萬種新晶體！

AI 工具 GNoME 發(fā)現(xiàn) 220 萬種新晶體，相當于人類科學家 800 年的實驗產出，其中 38 萬種新晶體可以成為未來高新技術的穩(wěn)定材料。

從計算機芯片、電池到太陽能電池板，都離不開結構穩(wěn)定的無機晶體 (inorganic crystals)。

傳統(tǒng)意義上，發(fā)現(xiàn)或者研發(fā)一種全新的穩(wěn)定的無機晶體，往往需要長達數(shù)月的艱苦實驗。如今借助 Google DeepMind 發(fā)布的深度學習工具 GNoME，科研人員在短時間內就發(fā)現(xiàn)了 220 萬種新晶體（相當于人類科學家近 800 年的知識積累），其中 38 萬種新晶體具備穩(wěn)定的結構，成為最有可能通過實驗合成并投入使用的潛在新材料。

閱讀論文原文：

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

01 GNoME：用于新材料研發(fā)的 SOTA GNN 模型

GNoME 全稱 Graph Networks for Materials Exploration，是一個用于新材料研發(fā)的 SOTA GNN 模型，它利用深度學習，可以在極短時間內預測新材料的穩(wěn)定性，極大提高了材料研發(fā)的速度和效率，展現(xiàn)了利用 AI 大規(guī)模開發(fā)新材料的潛力。

注：GNN 的輸入數(shù)據采用 graph 形式，跟原子之間的連接類似，這一特性也使得 GNN 特別適用于新晶體材料的探索。

GNoME 流程示意圖

GNoME 流程可分為 4 個步驟：

Structural pipeline：創(chuàng)建與已知晶體結構類似的候選者 (Candidate)

Compositional pipeline：遵循基于化學公式的更隨機的方法

使用 DFT 計算（密度泛函理論，Density Functional Theory）對兩個 pipeline 的 output 進行評估

將評估結果添加到 GNoME 數(shù)據庫中，為下一輪的主動學習提供信息

其中前兩個步驟，主要目的是確定低能量（穩(wěn)定）材料，第三個步驟中的 DFT 技術，用于反復測試模型性能，最后一個步驟中主動學習 (active learning) 策略的應用，則極大地提高了 GNoME 的性能。

02 數(shù)據選擇：前人肩膀上的數(shù)據集快照

在數(shù)據的選擇上，科研人員特別借鑒了先前的研究成果，包括 Materials Project、OQMD、WBM 以及 ICSD。

為了保證可復現(xiàn)，GNoME 使用了固定時間點保存的兩個數(shù)據集的快照，包含：

Materials Project 2021 年 3 月的數(shù)據

OQMD 2021 年 6 月的數(shù)據

以上兩部分結構被用作所有發(fā)現(xiàn)（包括通過 SAPS）的基礎，并通過 GNoME 生成了穩(wěn)定晶體目錄。

為了對更新數(shù)據進行比較，2023 年 7 月科研人員對 Materials Project、OQMD 和 WBM 又進行了另一次快照。在同樣的設置下進行了約 216,000 次 DFT 計算，用于比較 GNoME 的發(fā)現(xiàn)率與同時進行的研究工作的發(fā)現(xiàn)率。

過往工作成果參考：

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/

03 實驗結果：GNoME 將已知穩(wěn)定晶體的數(shù)量提升近 8 倍

已知穩(wěn)定晶體的數(shù)量變化

上圖由內到外展示了：

ICSD 數(shù)據庫中，通過人類實驗確定的穩(wěn)定晶體數(shù)量約為 20,000 個

Materials Project、Open Quantum Materials Database 以及 WBM 數(shù)據庫的計算方法，將穩(wěn)定晶體數(shù)量增加至 48,000 個

GNoME 將人類已知的穩(wěn)定材料數(shù)量增加至 421,000 個

2019-2022 年發(fā)現(xiàn)穩(wěn)定材料的數(shù)量：淺色表示外部數(shù)據庫，深色表示 GNoME 結果

2021 年至 2023 年，GNoME 以外的穩(wěn)定晶體數(shù)量從 35,000 個增加到 48,000 個，與本文介紹的凸包 (convex hull) 上的 381,000 個全新穩(wěn)定晶體結構相比，數(shù)量懸殊。

實驗結果表明，GNoME 模型發(fā)現(xiàn)了 220+ 萬種新晶體，更新后的凸包 (convex hull) 包含 381,000 萬個新條目，結合先前研究，穩(wěn)定晶體數(shù)數(shù)量達到 421,000 個，與先前的研究成果 48,000 相比，穩(wěn)定晶體的數(shù)量有了數(shù)量級的擴展。

04 行業(yè)專家：國內代表學者梳理

研究方向：無機光電功能納米材料及相關光電特性、能量存儲與轉換材料與器件、新型異質納米結構光催化劑、有機分子材料與場效應晶體管

個人頁面：

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

研究方向：有機或有機無機雜化薄膜太陽能電池研究、基于有機半導體或無機納米材料的新型柔性電子器件研究、新型智能傳感器應用研究、新型憶阻器及其神經網絡應用研究

個人頁面：

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

個人頁面：

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

研究方向：計算機應用技術、計算機技術、材料信息學與計算材料學、機器學習

個人頁面：

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