2023年11月底,Google旗下的DeepMind在Nature杂志发表了重磅论文,宣称他们开发了用于材料科学的人工智能强化学习模型Graph Networks for Materials Exploration(GNoME),并通过该模型和高通量第一性原理计算,寻找到了38万余个热力学稳定的晶体材料,相当于“为人类增加了800年的智力...
1.多维度课程设计:培训不仅涵盖了机器学习的基础模型,还特别强调了这些模型与复合材料研究的融合,提供了全面的视角来理解机器学习在材料科学中的应用。 2.实践与理论相结合:通过实例分析,如纳米材料增强复合材料的特征工程,以及不同回归技术...
2023年11月底，Google旗下的DeepMind在杂志发表了重磅论文，宣称他们开发了用于材料科学的人工智能强化学习模型Graph Networks for Materials Exploration （GNoME），并通过该模型和高通量第一性原理计算，寻找到了38万余个热力学稳定的晶体材料，相当于“为人类增加了800年的智力积累”，极大加快了发现新材料的研究速度...
早在 2018 年，汤碧珺和所在团队就开始探索 AI 在指导先进材料合成上的可行性。当时，AI 在材料科学领域的应用尚未得到广泛关注，相关的可参考案例也比较少。因此，课题组首先得探索一条可行之路，以便将 AI 用于材料合成。经过两年的努力，他们通过使用化学气相沉积法，将机器学习中的分类算法成功用于二维材料的合成。
在“AI+材料科学”的大潮中,数据是重中之重。生产数据集,特别是具有行业支撑作用的数据集,也许是一件“出力不讨好”的工作,但却是一场无法规避的“硬仗”。 注:本文精简形式的英文版已于2024年2月28日发表于Materials Futures。 DOI:10.1088/2752-5724/ad2e0c ...
一、巨头发力“AI+材料科学” 2023年11月底,Google旗下的DeepMind在Nature杂志发表了重磅论文,宣称他们开发了用于材料科学的人工智能强化学习模型Graph Networks for Materials Exploration(GNoME),并通过该模型和高通量第一性原理计算,寻找到了38万余个热力学稳定的晶体材料,相当于“为人类增加了800年的智力积累”,极大...
稍后,微软发布材料科学领域的AI生成式模型MatterGen,可根据所需材料性质按需预测新材料结构。“MatterGen模型可大幅提升新材料的按需研发效率”,微软总裁布拉德·史密斯说道。 今年1月,微软与美国能源部下属西北太平洋国家实验室(PNNL)合作,利用AI和高性能计算,从3200万种无机材料中筛选出一种全固态电解质材料,完成了从...
这不仅证明了AI在自主材料发现方面的高效率,也显示了计算技术、历史知识和机器人技术在材料科学中的完美融合。这些成就不仅是技术上的突破,更是在科学研究方法上的一次革命。DeepMind的这些工作为我们展示了AI技术在未来科学研究中的巨大潜力,特别是在快速发展的材料科学领域。随着这些技术的进一步发展和应用,我们有理由...
对于传统的无机材料合成来说,由于涉及到多种参数,通常需要反复试验,才能找到理想的合成条件,这不仅耗时耗力、成功率也比较低。 早在2018 年,汤碧珺和所在团队就开始探索 AI 在指导先进材料合成上的可行性。 当时,AI 在材料科学领域的应用尚未得到广泛关注,相关的可参考案例也比较少。因此,课题组首先得探索一条可行...
巨头发力“AI+材料科学” 2023年11月底,Google旗下的DeepMind在Nature杂志发表了重磅论文,宣称他们开发了用于材料科学的人工智能强化学习模型Graph Networks for Materials Exploration (GNoME),并通过该模型和高通量第一性原理计算,寻找到了38万余个热力学稳定的晶体材料,相当于“为人类增加了800年的智力积累”,极大加...