Google DeepMind: Η τεχνητή νοημοσύνη «ανακάλυψε» 2,2 εκατομμύρια νέα υλικά
Ο αριθμός των ουσιών που βρέθηκαν ισοδυναμεί με σχεδόν 800 χρόνια προηγούμενης πειραματικά αποκτηθείσας γνώσης! Οι ερευνητές του Google DeepMind ανακάλυψαν 2,2 εκατομμύρια νέες κρυσταλλικές δομές που ανοίγουν το δρόμο για προόδους σε μια σειρά πεδίων από τις ανανεώσιμες πηγές
ενέργεια
ς έως τους προηγμένους
υπολογιστές
, επιδεικνύοντας τη δύναμη της τεχνητής νοημοσύνης στην ανακάλυψη νέων υλικών.
Ο θησαυρός των θεωρητικά σταθερών αλλά πειραματικά απραγματοποίητων -μέχρι τώρα- συνδυασμών που εντοπίστηκαν χρησιμοποιώντας ένα εργαλείο τεχνητής νοημοσύνης γνωστό ως GNoME είναι πάνω από 45 φορές μεγαλύτερος από τον αριθμό τέτοιων ουσιών που ανακαλύφθηκαν στην ιστορία της επιστήμης, σύμφωνα με έκθεση
δημοσιεύτηκε στο περιοδικό Nature
την Τετάρτη.
Οι ερευνητές σχεδιάζουν να διαθέσουν 381.000 από τις πιο υποσχόμενες δομές σε άλλους επιστήμονες για να κατασκευάσουν και να δοκιμάσουν τη βιωσιμότητά τους σε πεδία από ηλιακά κύτταρα έως υπεραγωγούς. Το εγχείρημα υπογραμμίζει πώς η αξιοποίηση της τεχνητής νοημοσύνης μπορεί να συντομεύσει τα χρόνια πειραματισμού — και ενδεχομένως να προσφέρει βελτιωμένα προϊόντα και διαδικασίες.
«Η επιστήμη των υλικών για μένα είναι βασικά εκεί που η αφηρημένη σκέψη συναντά το φυσικό σύμπαν», σχολίασε ένας από τους συγγραφείς της μελέτης, ο Ekin Dogus Cubuk: «Είναι δύσκολο να φανταστώ κάποια τεχνολογία που δεν θα βελτιωνόταν».
Όπως γράφουν οι Financial Times, η ομάδα του DeepMind εντόπισε νέα υλικά χρησιμοποιώντας μηχανική μάθηση για να δημιουργήσει πρώτα υποψήφιες δομές και στη συνέχεια να μετρήσει την πιθανή σταθερότητά τους. Ο αριθμός των ουσιών που βρέθηκαν ισοδυναμεί με σχεδόν 800 χρόνια πειραματικά αποκτηθείσας γνώσης, υπολόγισε η DeepMind, με βάση 28.000 σταθερά υλικά που ανακαλύφθηκαν την τελευταία δεκαετία.
Δύο πιθανές εφαρμογές των νέων ενώσεων περιλαμβάνουν την εφεύρεση εύκαμπτων υλικών με στρώματα και την ανάπτυξη νευρομορφικών υπολογιστών, που χρησιμοποιεί
τσιπ
για να αντικατοπτρίζει τις λειτουργίες του ανθρώπινου εγκεφάλου, είπε ο Cubuk.
Χρονοβόρα διαδικασία
Η ανακάλυψη και η σύνθεση νέων υλικών μπορεί να είναι μια δαπανηρή και χρονοβόρα διαδικασία. Για παράδειγμα, χρειάστηκαν περίπου δύο δεκαετίες έρευνας προτού διατεθούν στο εμπόριο μπαταρίες ιόντων λιθίου -που τώρα χρησιμοποιούνται για να τροφοδοτούν τα πάντα, από τηλέφωνα και φορητούς υπολογιστές έως ηλεκτρικά
οχήματα
.
«Ελπίζουμε ότι οι σημαντικές βελτιώσεις στα μοντέλα πειραματισμού, αυτόνομης σύνθεσης και μηχανικής μάθησης θα συντομεύσουν σημαντικά αυτό το χρονοδιάγραμμα 10 έως 20 ετών σε κάτι πολύ πιο διαχειρίσιμο», δήλωσε ο Ekin Dogus Cubuk, ερευνητής στο DeepMind. Η τεχνητή νοημοσύνη του DeepMind εκπαιδεύτηκε σε δεδομένα από το
Materials
Project, μια διεθνή ερευνητική ομάδα που ιδρύθηκε στο Εθνικό Εργαστήριο Lawrence Berkeley το 2011. Η εταιρεία είπε ότι τώρα θα μοιραστεί τα δεδομένα της με την ερευνητική κοινότητα με την ελπίδα να επιταχύνει περαιτέρω ανακαλύψεις στο υλικό ανακάλυψης. «Η βιομηχανία τείνει να είναι λίγο απεχθής στην αύξηση του κόστους και τα νέα υλικά συνήθως χρειάζονται λίγο χρόνο για να γίνουν οικονομικά αποδοτικά», δήλωσε η Kristin Persson, διευθύντρια του Materials Project.
«Αν μπορέσουμε να το συρρικνώσουμε έστω και λίγο περισσότερο, θα θεωρηθεί πραγματική σημαντική ανακάλυψη».
The post Google DeepMind: Η τεχνητή νοημοσύνη «ανακάλυψε» 2,2 εκατομμύρια νέα υλικά εμφανίστηκε πρώτα στο GizChina Greece.
VIA:
gr.gizchina.com