准备好迎接技术发展的急剧加速吧。Google DeepMind 人工智能实现了”人类已知稳定材料数量级的扩张”，发现了价值约 800 年的具有革命潜力的新材料。伯克利的机器人实验室已经创造了 DeepMind 的 GNoME 人工智能发现的 38 万种新无机晶体中的 41 种。
发现具有非同寻常特性的新材料可以让技术的雪球滚动起来，最终推动社会向新的方向发展–但到目前为止，这是一个艰苦缓慢的过程，需要进行大量的试错实验。
例如，无机晶体材料在首次合成时可能会显示出巨大的潜力，但如果晶体不能保持稳定，所有这些潜力都将化为乌有；如果发现一种新晶体可以提高电池或电子产品的性能，但它却会崩解和降解，那就没有任何好处了。
而这正是 DeepMind 的”材料探索图网络”（Graph Networks for Materials Exploration，GNoME）深度学习工具刚刚发布的消息有望带来巨大变革的地方。
GNoME 人工智能识别出的稳定无机晶格结构
GNoME 工具已经发现了不少于 220 万种新的无机晶体，并将其中 38 万种晶体鉴定为最稳定的晶体，为研究人员提供了一份经过预先筛选的新材料清单，以便他们去合成新材料，进行实验研究。其中约 736 种材料已经在世界各地的研究实验室中独立完成。
“在这些候选材料中，有可能开发出未来变革性技术的材料，从为超级计算机提供动力的超导体，到提高电动汽车效率的下一代电池，不一而足。”Google博客这样叙述。
DeepMind 团队介绍说：”在这些新发现中有5.2 万种与石墨烯类似的新型层状化合物，它们有可能随着超导体的开发而彻底改变电子技术，在此之前，已经发现了大约 1000 种此类材料。我们还发现了 528 种潜在的锂离子导体，是之前研究的 25 倍，可用于提高充电电池的性能。”
Google正在将GNoME的所有发现和预测提供给”下一代材料项目”（Next Gen Materials Project），DeepMind在该项目中为人工智能提供了大量的训练材料。
虽然其他人工智能系统在发现新晶体方面做了大量工作，但 GNoME 系统现在已经以前所未有的规模完成了这项工作，并以前所未有的准确性预测出哪些晶体结构将足够稳定，值得进行实验。
最终的结果是，浪费的时间将大大减少；研究人员将能够把精力集中在新材料结构的巨大宝库上，而不会因为晶体不稳定而走入许多死胡同。
自主实验室技术有望进一步加速材料科学的发展 图/伯克利实验室
更重要的是，DeepMind团队还与伯克利实验室合作，创建并演示了一个能够自主合成这些新晶体的机器人实验室。在今天发表的一篇论文中，团队报告说，机器人实验室已经成功合成了 41 种这种新材料–进一步加速合成的潜力令人瞩目。
这两个项目可能会开启数不清的技术发展之路–它们鲜明地表明，人工智能系统已经开始在生活的几乎每一个领域引发剧烈动荡。
晶体发现论文和自主实验室论文在《自然》杂志上公开发表。
