AI如何重塑材料科学的未来？
2024-06-24 13:52:32
加州大学圣地亚哥分校的纳米工程师们创造了一个革命性的人工智能算法——M3GNet，它能够迅速预测材料的结构和动态特性，无论是已知材料还是尚未合成的新材料。这项突破性的研究成果已在《自然·计算科学》杂志上发表。
M3GNet算法是Matterverse.ai数据库的核心，该数据库收录了超过3100万种材料，它们的特性由机器学习算法预测。这个数据库不仅为新材料的发现提供了平台，还帮助研究人员寻找具有更高能量密度和安全性的锂离子电池材料。
材料的特性取决于其原子的排列方式，就像蛋白质的结构决定其功能一样。为了模拟材料的“阿尔法折叠”，研究团队结合了图形神经网络和多体交互，开发了一种适用于所有元素周期表元素的深度学习架构。
在训练模型时，团队利用了过去十年在材料项目中积累的大量材料能量、力和应力数据。M3GNet的原子间势(IAP)能够预测任何原子集合的能量和力，而Matterverse.ai则是通过元素替换和M3GNet IAP的平衡晶体结构预测属性来生成的。
目前，数据库中的3100万种材料中预计有超过100万种具有潜在稳定性。研究团队计划不仅增加材料的数量，还要扩展机器学习预测的属性范围。
M3GNet IAP在材料动态模拟和性能预测方面具有广泛应用潜力，例如，它能够准确预测锂离子在电池电极或电解质中的扩散速度，这对于提高电池的充电和放电速度至关重要。研究人员认为，M3GNet架构将极大地扩展我们对新材料化学和结构的探索能力，预示着材料科学研究的新时代。