谷歌旗下的DeepMind成功利用人工智能（AI）预测了超过20万种新材料的结构，这一突破性的成果将推动现实世界的技术改进。该研究成果已在《自然》杂志上发表。
研究人员指出，他们假设的近40万个材料设计中的大部分很快就可以在实验室条件下生产出来。这项研究可以为生产性能更好的电池、太阳能电池板和计算机芯片提供帮助。通过使用AI预测这些新材料的稳定性后，DeepMind下一步的研究重心将转向预测它们在实验室中合成的难易程度。
实际上，新材料的发现和合成是一个十分昂贵且耗时的过程。例如我们目前随处可见的锂离子电池商业化应用过程就经历了大约20年的时间，期间耗费无数成本与心血。
“我们希望通过实验、自主合成和机器学习模型的巨大改进来缩短这个10到20年的时间”，DeepMind的研究人员Ekin Dogus Cubuk说，“我们利用基于Materials Project数据进行训练的AI，在这个项目中发挥了重要作用。”
该公司表示，现在将与研究界分享其数据，以期加速材料发现的进一步突破。然而，Materials Project负责人Kristin Persson表示，“当涉及到成本增加时，行业往往有点风险规避，而新材料通常需要一段时间才能变得具有成本效益。”
