Искусственный интеллект Google DeepMind прогнозирует появление 2 миллионов новых химических материалов для реальных технологий

Google DeepMind использовал искусственный интеллект (ИИ) для прогнозирования структуры более 2 миллионов новых химических материалов, что стало прорывом в потенциальных приложениях для улучшения реальных технологий в ближайшем будущем.

В научной статье, опубликованной в журнале Nature Journal в среду, 29 ноября, компания по искусственному интеллекту, принадлежащая Alphabet, сообщила, что почти 400 000 ее теоретических материалов вскоре могут пройти лабораторные испытания. Возможные варианты использования этого исследования включают разработку батарей, солнечных панелей и компьютерных чипов с повышенной производительностью.

Согласно статье, выявление и создание новых материалов зачастую является дорогостоящим и трудоемким процессом. Потребовалось около двух десятилетий исследований, прежде чем литий-ионные батареи, которые сейчас широко используются в таких устройствах, как телефоны, ноутбуки и электромобили, стали коммерчески доступными.

Экин Догус Чубук, научный сотрудник DeepMind, выразил оптимизм по поводу того, что достижения в области экспериментов, автономного синтеза и моделей машинного обучения могут существенно сократить длительный период от 10 до 20 лет для открытия и синтеза материалов.

Согласно публикации, ИИ, разработанный DeepMind, прошел обучение с использованием данных, полученных от Materials Project, международного исследовательского консорциума, созданного в Национальной лаборатории Лоуренса Беркли в 2011 году. Набор данных включал информацию примерно о 50 000 ранее существовавших материалах.

По теме: Спустя 12 дней безработицы Сэм Альтман официально вернулся в OpenAI

Организация выразила намерение распространить свои данные среди исследовательского сообщества, стремясь ускорить дальнейшие достижения в области открытия материалов. Однако Кристин Перссон, директор проекта «Материалы», отметила в статье, что отрасль осторожно относится к увеличению затрат, а новым материалам часто требуется время, чтобы стать экономически эффективными. По мнению Перссона, сокращение этих сроков стало бы величайшим прорывом.

После использования искусственного интеллекта для прогнозирования стабильности этих новых материалов DeepMind переключила свое внимание на прогнозирование возможности их синтеза в лабораторных условиях.

Журнал: Реальные примеры использования искусственного интеллекта в криптографии, № 3: Аудит смарт-контрактов и кибербезопасность