原文來源：AIGC開放社區(qū)

圖片來源：由無界 AI生成

谷歌旗下的AI研究機構(gòu)DeepMind在全球頂級學(xué)術(shù)期刊《Nature》上發(fā)布了一篇論文，通過深度學(xué)習(xí),、計算機視覺,、大數(shù)據(jù)等，開發(fā)了一個名為GNoME的圖神經(jīng)網(wǎng)絡(luò)模型,，主要用于材料發(fā)現(xiàn),。

研究團隊通過GnoME便快速發(fā)現(xiàn)了220萬個新的材料晶體結(jié)構(gòu),，其中很多結(jié)構(gòu)是人類預(yù)測和公式難以發(fā)現(xiàn)的,，相較于傳統(tǒng)的材料開發(fā)方法效率提升了10倍。

論文地址：https://www.nature.com/articles/s41586-023-06735-9?

長期以來,研發(fā)新材料一直面臨高成本,、低效率的難題,。實驗合成法費時費力,成功率低下;

第一性原理計算指導(dǎo)的材料發(fā)現(xiàn)也受限于算力問題,難以做到全面高效的材料空間遍歷,。

谷歌DeepMind開發(fā)的深度學(xué)習(xí)模型AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域，已經(jīng)展現(xiàn)出了巨大應(yīng)用潛力并已經(jīng)獲得全球多家著名實驗室的應(yīng)用。

因此，研究人員希望可以借助深度學(xué)習(xí),，處理復(fù)雜的材料結(jié)構(gòu)數(shù)據(jù),開發(fā)一個像“AlphaFold”一樣的高效開發(fā)系統(tǒng),。

簡單來說,，可以把GNoME看成材料發(fā)現(xiàn)界的“AlphaFold”模型,，同時證明了海量的第一性原理計算為模型學(xué)習(xí)原子間勢提供了支持,并實現(xiàn)了之前從未有過的精度和泛化能力,。

GNoME是一個圖神經(jīng)網(wǎng)絡(luò),通過表示晶體的拓?fù)溥B接,、消息傳遞等機制,實現(xiàn)結(jié)構(gòu)到能量的映射,。該系統(tǒng)集成了多個模塊,實現(xiàn)從候選結(jié)構(gòu)的生成到深度學(xué)習(xí)預(yù)測的全流程自動化,。

GNoME的主要技術(shù)創(chuàng)新點在于構(gòu)建了一個 Flywheel主動學(xué)習(xí)循環(huán)系統(tǒng):模型過濾得到的候選材料用第一性原理計算驗證,新數(shù)據(jù)反過來提升模型性能,，二者之間形成閉環(huán)互補不斷地提升能力,。

也就是說，GNoME發(fā)現(xiàn)的材料越多,，整個模型的能力也就越強,，而整個訓(xùn)練流程全部由AI自動完成。

發(fā)現(xiàn)方式流程是,，研究團隊首先基于公開材料數(shù)據(jù)庫訓(xùn)練出初始的結(jié)構(gòu)評價模型,然后利用該模型對數(shù)十億候選結(jié)構(gòu)進行快速過濾,選擇特定數(shù)量送入第一性原理計算,。

計算所得精確能量既驗證了模型預(yù)測,也為進一步增強模型提供了豐富數(shù)據(jù),。新一輪使用數(shù)據(jù)庫和計算數(shù)據(jù)重新訓(xùn)練的模型則可實現(xiàn)更高效更準(zhǔn)確的材料發(fā)現(xiàn)。

數(shù)據(jù)顯示,隨著每輪訓(xùn)練數(shù)據(jù)量的積累,模型預(yù)測性能持續(xù)改善,材料發(fā)現(xiàn)效率也呈指數(shù)級提高,。6輪迭代后,模型精度達到每個原子11meV,，穩(wěn)定結(jié)構(gòu)篩選精確率超過80%。

超大規(guī)模的訓(xùn)練數(shù)據(jù)集也是訓(xùn)練GNoME的關(guān)鍵,。GNoME所用的數(shù)據(jù)規(guī)模也刷新了計算材料領(lǐng)域的記錄,。

包括公開數(shù)據(jù)庫、迭代計算以及模型生成,GNoME的訓(xùn)練數(shù)據(jù)總量超過1億組,涵蓋100多萬種組成,是目前最大的計算材料數(shù)據(jù)集,。

海量數(shù)據(jù)使得深度學(xué)習(xí)模型可以不斷調(diào)優(yōu)提升,尤其是對發(fā)現(xiàn)人類難以預(yù)測的新奇材料發(fā)揮了巨大作用,。