久久精品免费观看_欧美日韩精品电影_91看片一区_日日夜夜天天综合

鋇、鈮和氧形成的一種新型材料。圖片來源：MATERIALS PROJECT

本報訊 英國和美國科學家在兩項獨立研究中指出，人工智能（AI）驅動的平臺可以改善發現和合成新無機化合物的速度與精確性。相關研究11月30日均發表于《自然》。

技術的進展已經提高了計算機程序識別新材料的能力。但這個過程面臨的阻礙是算法適應與其所學相反的結果的能力，因為新發現本質上需要的是用創造性的新方式理解數據的能力。

英國倫敦谷歌深度思維公司的Ekin Cubuk和同事提出了一個計算模型，能夠通過大規模主動學習提高發現材料的效率。這個程序使用現有文獻訓練，生成多樣的潛在化合物候選結構，然后通過一系列回合不斷改進這些結構。這些模型發現了超過220萬個穩定結構，將預測穩定結構的精確性提高到80%以上，在預測成分時每100次試驗的精確度提高到33%。

美國加州大學伯克利分校的Gerbrand Ceder和同事則開發了一種自動實驗室（A-Lab）系統。該系統根據現有科學文獻訓練，結合主動學習，可針對擬定化合物創造出5個初始合成配方。隨后，它可以用機器臂執行實驗操作，合成粉末形態的化合物。如果一個配方產量低于50%，A-Lab會調整配方繼續實驗，在成功達到目標或窮盡所有可能的配方后結束。經過17天的連續實驗，A-Lab進行了355次實驗，產生了58個擬定化合物中的41個（71%）。研究人員指出，對決策算法做一些小改動，這一成功率可提高到74%；如果計算技術能得到同樣改進，還能進一步提高到78%。

這兩項研究展示了將提高計算力和基于現有文獻的訓練相結合，在使用學習算法輔助發現和合成新無機化合物方面的前景。（晉楠）

相關論文信息：

https://doi.org/10.1038/s41586-023-06734-w

https://doi.org/10.1038/s41586-023-06735-9