IT之家 12 月 1 日音讯，谷歌旗下 DeepMind日前在《天然》期刊上展现了自家AI东西 GNoME，并介绍了AI在资料科学上的相关运用，据悉，DeepMind运用 GNoME 发现了 220 万种新晶体，其中有 38 万种晶体归于安稳资料，可以在实验室制作，有望运用在电池或是超导体等方面。

  现在 ICSD 数据中，约有 2 万种晶体在核算上被以为处于“安稳态”，此前 Materials Project 等团队经过一系列核算办法，又找出了 2.8 万种晶体。不过DeepMind以为，此前业界经过改进的核算办法，尽管可以加速发现新晶体结构的速度，可是时刻与金钱本钱适当高。

  而 DeepMind 的新东西 GNoME，据称突破了此前的各种核算办法，可以精确猜测一系列安稳的晶体结构，并从中生成了 220 万种资料，DeepMind 宣称，假如仅凭借人力核算出这些资料，要耗费 800 年。

  IT之家从 DeepMind 陈述中得悉，GNoME 开发资料的功率适当高，该模型总共规划了 5.2 万种新式石墨烯层状化合物，而在之前，人类只判定出约 1,000 品种似的资料。此外，GNoME 还发现 528 种潜在的锂离子导体，导电才能可达之前资料的 25 倍。科学家以为，仅仅是上述发现，就有望改进现在电子科技类产品中运用的电池能耗。

  DeepMind说到，GNoME 选用两种战略来寻觅资料，第一种是依据已知晶体结构发明候选物，另一种则是根据化学公司，以更随机的办法探究候选物结构。该模型一起经过神经网络来处理和剖析上述两种办法的输出，运用密度泛函理论（Density Functional Theory）核算，来评价这些候选物的安稳性。并使用一种称为“自动学习（Active Learning）”的办法来进步晶体猜测精准度和功率，然后大幅度的添加发现新资料的速度和成功率。

  GNoME 模型旨在是下降发现新资料的本钱，现在全球的科学家已在实验室制作出 736 种 GNoME 所猜测的新资料，这证明了 GNoME 的晶体猜测在实际中的精确性与可行性，而 DeepMind 现在现已将 GNoME 新发现的晶体数据库揭露，帮忙科研人员测验和制作候选资料。