1. 资料规划与挑选: AI技能能够快速挑选和规划出具有特定特点的化合物或资料,然后大幅度削减试错时刻,优化资料生产流程。 例如,谷歌DeepMind的“资料探究图网络(GNoME)”现已猜测了220万种新资料的结构,其间700多种现已在试验室中完成了组成。
2. 自主试验室与机器人技能: 美国加州大学伯克利分校和劳伦斯国家试验室的研讨团队开发了一个自动化试验室ALab,该试验室能够从资料数据库中获取数据,并运用机器学习和试验机器人在没有人类协助的情况下规划和组成新资料。 AI引导机器人进行新资料发现,这一技能在加快资料组成方面具有明显优势。
3. 多方针优化战略: 研讨人员开宣布根据机器学习的多方针优化战略,并将其用于高荧光量子产率的全色碳量子点的组成。这一战略经过运用有限数据和稀少数据,提醒了组成参数与方针特性之间的联系,明显进步了组成功率。
4. 深度学习与资料特性猜测: 美国加州大学圣地亚哥分校的纳米工程师开发了一种AI算法M3GNet,该算法能够简直即时地猜测任何资料(无论是现有资料仍是新资料)的结构和动态特性。 微软开发的深度学习模型MatterSim,能够在广泛的元素、温度和压力范围内完成准确高效的资料模拟与性质猜测,为资料规划的数字化转型供给了强有力的支撑。
5. 智能原子机器人探针技能: 清华大学王笑楠团队开发了智能原子机器人探针技能,完成了原子级准确组成量子资料,进步了动力和资源体系的功率。
6. 资料科学人工智能(AI)强化学习模型: 谷歌在《天然》杂志宣布的资料科学人工智能(AI)强化学习模型,为人类找到了38万余个热力学安稳晶体资料。
综上所述,AI技能在资料组成范畴的运用正在不断扩展,从资料规划与挑选、自主试验室与机器人技能、多方针优化战略、深度学习与资料特性猜测到智能原子机器人探针技能,AI正推进资料科学的快速开展,并展现出巨大的运用潜力。
在资料研制过程中,AI技能能够全面赋能,从资料的挑选与发现、组成制备、表征测验等环节,完成从资料挑选到终究运用的全流程智能化研制。例如,道氏技能旗下的子公司图灵道森正在活跃有序推进AI事务,经过AI技能加快技能迭代和大规模运用,进步研制功率和准确度。
在增材制作(3D打印)范畴,AI技能相同发挥着重要作用。以Citrine智能资料渠道为例,它根据顶级AI东西和智能数据管理根底架构,可猜测资料在各种配方下的功能,协助加快资料研制作业。例如,HRL试验室运用Citrine渠道寻觅航天等级3D打印铝合金,成功打破功能限制。
美国劳伦斯伯克利国家试验室的资料计画(Materials Project)运用AI技能成功猜测了约15万种新资料,其间部分资料现已过AI和机器人成功组成。这种新的制备方法,称为A-Lab,每天能够制备出比试验室里的人类多100倍的新资料,为清洁动力技能、下一代电子科技等范畴的开展供给了有力支撑。
清华大学王笑楠团队致力于AI加快资料开发运用,催化剂规划,新动力、低碳技能等交叉学科研讨。他们从多标准体系集成的视点进步动力和资源体系的归纳功率和经济性,助力双碳方针。在大模型爆破的AI年代,王笑楠团队正在尽力将AI技能深化到科学与工程范畴,找到恰当的运用。
A-Lab体系运用AI辅导的机器人来混合加热配料,组成新资料。这套体系现已成功制作出41种新资料,为资料组成范畴带来了新的打破。AI和机器人的结合,使得资料组成愈加高效、精准,为未来科技开展供给了有力保证。
AI技能的运用为资料组成范畴带来了史无前例的革新,进步了资料组成的功率,推进了新资料立异。在未来的开展中,AI将持续发挥重要作用,助力人类社会完成可持续开展,为人类发明愈加夸姣的未来。