【資料圖】

美國加州大學圣地亞哥分校雅各布斯工程學院的納米工程師開發了一種人工智能（AI）算法，幾乎可以即時預測任何材料（無論是現有材料還是新材料）的結構和動態特性。該算法被稱為M3GNet，用于開發matterverse.ai數據庫，該數據庫包含超過 3100 萬種尚未合成的材料，其特性由機器學習算法預測。這一數據庫還促進了具有卓越性能的新材料的發現，研究人員可使用其來尋找更安全、能量密度更高的可充電鋰離子電池電極和電解質。

材料的性質由其原子排列決定。然而，現有的獲得這種安排的方法要么過于昂貴，要么對許多元素無效。研究人員表示，與蛋白質類似，人們需要了解材料的結構才能預測其特性。因此，為了構建材料的等價物，研究團隊將圖形神經網絡與多體交互相結合，形成了一種深度學習架構，可在元素周期表的所有元素中通用、高精度地工作。

為了訓練他們的模型，該團隊使用了過去十年在材料項目中收集的巨大的材料能量、力和應力數據庫。M3GNet原子間勢 (IAP)可以預測任何原子集合中的能量和力。Matterverse.ai是通過對無機晶體結構數據庫 (ICSD) 中的 5,000 多個結構原型進行組合元素替換生成。然后使用M3GNet IAP獲得平衡晶體結構，用于屬性預測。

雅各布斯工程學院可持續能源與能源中心副主任Shyue Ping Ong說，“我們已經證明，M3GNet IAP可用于準確預測材料的鋰電導率。我們堅信M3GNet架構是一種變革性工具，可極大地擴展我們探索新材料化學和結構的能力。”為了推廣M3GNet的使用，該團隊已將該框架作為開源Python代碼發布在Github上。自 2022 年 2 月在Arxiv上發布預印本以來，引起了學術研究人員和業內人士的興趣。有計劃將M3GNet IAP作為工具集成到商業材料模擬包中。

該論文研究題為“A Universal Graph Deep Learning Interatomic

Potential for the Periodic Table”，于11月28日發表在Nature Computational Science上，主要作者為美國加州大學圣地亞哥分校工程學院的納米工程師Shyue Ping Ong教授。

前瞻經濟學人APP資訊組

論文原文：

https://assets.researchsquare.com/files/rs-1348213/v1_covered.pdf?c=1649089343&utm_source=miragenews&utm_medium=miragenews&utm_campaign=news

更多本行業研究分析詳見前瞻產業研究院《2022-2027年中國人工智能行業市場前瞻與投資戰略規劃分析報告》同時前瞻產業研究院還提供產業大數據、產業研究、政策研究、產業鏈咨詢、產業圖譜、產業規劃、園區規劃、產業招商指南、IPO募投可研、IPO業務與技術撰寫、IPO工作底稿咨詢等解決方案。

標簽： 人工智能 即時預測