美国加州大学圣地亚哥分校工程学院的纳米工程师开发了一种人工智能(AI)算法,可几乎即时地预测任何材料(无论是现有材料还是新材料)的结构和动态特性。此项研究成果28日发表在《自然·计算科学》杂志上。
该算法被称为M3GNet,用于开发Matterverse.ai数据库,该数据库包含超过3100万种尚未合成的材料,其特性由机器学习算法预测。数据库还促进了具有卓越性能的新材料的发现,研究人员可使用其来寻找更安全、能量密度更高的可充电锂离子电池电极和电解质。
材料的性质由其原子排列决定。研究人员表示,与蛋白质类似,人们需要了解材料的结构才能预测其特性。换句话说,需要的是用于材料的“阿尔法折叠”。
鉴于此,为了构建材料的等价物,研究团队将图形神经网络与多体交互相结合,构建了一种深度学习架构,可在元素周期表的所有元素中通用、高精度地工作。
为了训练他们的模型,该团队使用了过去十年在材料项目中收集的巨大的材料能量、力和应力数据库。M3GNet原子间势(IAP)则可预测任何原子集合中的能量和力。最终Matterverse.ai是通过对无机晶体结构数据库中的5000多个结构原型进行组合元素替换而生成的,然后使用M3GNet IAP获得平衡晶体结构,用于属性预测。
在今天数据库的3100万种材料中,预计有超过100万种材料具有潜在的稳定性。团队不仅打算大大扩展材料的数量,还打算大幅扩展机器学习预测属性的数量。
新成果在材料动态模拟和性能预测方面也有广泛的应用。例如,人们通常对锂离子在电池电极或电解质中的扩散速度很感兴趣。扩散越快,电池充电或放电的速度就越快。研究证明,M3GNet IAP可用于准确预测材料的锂电导率。研究人员坚信M3GNet架构是一种变革性工具,可极大地扩展对新材料化学和结构的探索能力。
版权声明:
原网页已被新农村转码收录,版权归文章来源方:科技日报所有,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
您如因版权和若对该稿件内容有任何疑问,请30日内与新农村网联系,本网将迅速给您回应并做处理。
对于任何包含、经由链接、下载或其它途径所获得的有关本网站的任何内容、信息或广告,不声明或保证其正确性或可靠性。用户自行承担使用本网站的风险。
基于技术和不可预见的原因而导致的服务中断,或者因用户的非法操作而造成的损失,新农村网不负责任。
服务邮箱:4834222#qq.com(请将#替换成@)处理时间:上午9点至下午5点30分。
AI即时预测材料结构与特性,相关科研空
美国加州大学圣地亚哥分校工程学院的纳米工程师开发了一种人工智能(AI)算法,可几乎即时...(11676)人阅读时间:2022-11-29人工智能无处不在,数字孪生方兴未艾,
美国《福布斯》双周刊网站在近日的报道中,列出了有望在2023年塑造世界面貌的8大科技趋势。...(11999)人阅读时间:2022-11-28“零添加”食品并非食品安全“优等生”
“不含防腐剂”“零添加”“纯天然”……在市面上,只要有食品标示了这样的标签,似乎总...(12475)人阅读时间:2022-11-28“小粒种”破解杂交水稻产业化之困
11月23日,长沙,湖南省农科院杂交水稻研究中心二楼的办公室里,主任唐文帮正专注地瞅着桌...(10558)人阅读时间:2022-11-25混合量子技术道路上的里程碑,新研究以
德国和西班牙联合研究团队成功地以极高的精度控制了单个光量子。研究人员在《自然·通讯》...(13095)人阅读时间:2022-11-23