Scoprire strutture cristalline e nuovi materiali può davvero fare la rivoluzione in settori come l’energia rinnovabile o il calcolo avanzato. Per questo occorre ringraziare Google DeepMind e i suoi ricercatori.
Di recente hanno scoperto ben 2,2 milioni di strutture cristalline, mostrando una volta per tutte il potere dell’intelligenza artificiale nella scoperta di nuovi materiali.
Google DeepMind scopre milioni di nuovi materiali
Come riferisce il Financial Times, la scoperta dei ricercatori di Google DeepMind può aprire potenziali progressi in campi che vanno dall’energia rinnovabile al calcolo avanzato. E questo grazie a GNoME, uno strumento AI utilizzato per identificare tutto questo insieme di combinazioni di nuovi materiali, teoricamente stabili ma ancora non realizzati sperimentalmente.
Il team di DeepMind ha identificato nuovi materiali utilizzando l’apprendimento automatico per generare prima strutture candidate e poi valutare la loro probabile stabilità.
Il numero di sostanze trovate equivale a quasi 800 anni di conoscenze acquisite sperimentalmente, secondo le stime di DeepMind.
I ricercatori intendono inoltre mettere a disposizione dei colleghi scienziati 381.000 delle strutture più promettenti per realizzare e testare la loro fattibilità in campi che vanno dalle celle solari ai superconduttori.
L’iniziativa sottolinea come lo sfruttamento dell’intelligenza artificiale possa ridurre anni di innesto sperimentale e potenzialmente fornire prodotti e processi migliorati.
Come è avvenuta l’incredibile scoperta
Per ottenere questo successo il team ha utilizzato calcoli, dati storici e apprendimento automatico per guidare un laboratorio autonomo, noto come A-lab. Così da creare 41 nuovi composti da un elenco di 58 obiettivi, con un tasso di successo superiore al 70%.
Come riporta il Financial Times, la chiave dei miglioramenti è stata la combinazione delle tecniche di intelligenza artificiale con le fonti esistenti, come un ampio set di dati di reazioni di sintesi passate.
Le tecniche delineate consentirebbero di identificare nuovi materiali con la velocità necessaria per affrontare le grandi sfide del mondo. Due potenziali applicazioni dei nuovi composti includono l’invenzione di materiali stratificati versatili e lo sviluppo del calcolo neuromorfico, che utilizza chip per rispecchiare il funzionamento del cervello umano.
Si segnala inoltre che i ricercatori dell’Università della California, Berkeley e del Lawrence Berkeley National Laboratory hanno già utilizzato i risultati come parte degli sforzi sperimentali per creare nuovi materiali.
Se volete saperne di più in merito, vi suggeriamo la lettura dei due articoli scientifici di riferimento, entrambi pubblicati su Nature:
- An autonomous laboratory for the accelerated synthesis of novel materials, Merchant, A. et al. Nature https://doi.org/10.1038/s41586-023-06735-9 (2023);
- Scaling deep learning for materials discovery, Szymanski, N. J. et al. Nature https://doi.org/10.1038/s41586-023-06734-w (2023).
