《自然》11月30日發(fā)表了兩項重磅研究：最新的由人工智能（AI）驅動的平臺GNoME（材料探索圖形網(wǎng)絡），已可以自行發(fā)現(xiàn)和合成新無機化合物，包括發(fā)現(xiàn)了超220萬個穩(wěn)定結構、17天便獨自創(chuàng)建了41種新材料，其速度和精確性均遠超人類。
技術進步已經(jīng)改進了計算機程序識別新材料的能力，但這個過程面臨的主要阻礙，是學習算法如何適應與其所學相反的結果，因為新發(fā)現(xiàn)本質上是用新的、創(chuàng)造性的方式去理解數(shù)據(jù)的能力。
“深度思維”團隊此次提出了一個計算模型，能夠通過大規(guī)模主動學習，提高材料發(fā)現(xiàn)的效率。這個程序使用現(xiàn)有文獻訓練，生成多樣的潛在化合物候選結構，然后通過一系列學習不斷改進這些結構。GNoME發(fā)現(xiàn)了超過220萬個穩(wěn)定結構，將結構穩(wěn)定預測的精確性提高到80%以上，在預測成分時，每100次試驗的精確度提高到33%，相比之下，此前工作中該數(shù)字僅為1%。
在第二項研究中，美國加州大學伯克利分校團隊開發(fā)了一種自動實驗室（A-Lab）系統(tǒng)。這種A-Lab根據(jù)現(xiàn)存科學文獻訓練，隨后結合主動學習，可對擬定化合物創(chuàng)造最多5個初始合成配方。隨后它可以用機器臂執(zhí)行實驗，合成粉末形態(tài)的化合物。如果一個配方產(chǎn)量低于50%，A-Lab會調整配方繼續(xù)實驗，在成功達到目標或窮盡所有可能配方后結束。經(jīng)過17天的連續(xù)實驗，A-Lab進行了355次實驗，產(chǎn)生了58個擬定化合物中的41個（71%）。相比之下，人類研究員需要花費數(shù)月去猜測和實驗。
兩項研究所展示的對AI的訓練，結合了計算力的飛速發(fā)展和現(xiàn)有文獻，其證明使用學習算法輔助發(fā)現(xiàn)和合成無機化合物有著極其廣闊的前景，未來的自主實驗室將能夠以最少的人力、最快的速度去發(fā)掘新材料。
（記者張夢然）