Deskripsi
Graph Networks for Materials Exploration (GNoME) dari Google DeepMind adalah alat deep learning terobosan yang dirancang untuk merevolusi penemuan kristal anorganik baru. Teknologi modern, mulai dari chip komputer dan baterai hingga panel surya, bergantung pada kristal anorganik yang stabil. Secara tradisional, mengidentifikasi material baru yang stabil merupakan proses yang melelahkan dan memakan waktu yang melibatkan berbulan-bulan pekerjaan eksperimental. GNoME secara dramatis meningkatkan kecepatan dan efisiensi proses penemuan ini dengan secara akurat memprediksi stabilitas material baru.
Menggunakan model jaringan saraf graf (GNN) canggih, GNoME memproses struktur kristal sebagai graf, yang merepresentasikan koneksi antar atom, menjadikannya sangat cocok untuk menemukan material kristal baru. Alat ini menggunakan dua pipeline: pipeline struktural yang menghasilkan kandidat yang mirip dengan kristal yang diketahui, dan pipeline komposisional yang mengeksplorasi formula kimia baru. Kandidat-kandidat ini kemudian dievaluasi menggunakan perhitungan Density Functional Theory (DFT), dan hasilnya menginformasikan proses pembelajaran aktif GNoME, yang terus meningkatkan akurasi prediksinya. Pendekatan ini telah meningkatkan tingkat penemuan material stabil dari sekitar 50% menjadi lebih dari 80%.
GNoME telah mengidentifikasi 2,2 juta kristal baru, jumlah yang setara dengan sekitar 800 tahun penelitian tradisional. Yang terpenting, 380.000 di antaranya diprediksi sangat stabil, menjadikannya kandidat yang menjanjikan untuk sintesis eksperimental dan aplikasi potensial dalam teknologi transformatif. Ini termasuk material untuk superkonduktor, baterai generasi berikutnya, dan superkomputer. Alat ini telah secara signifikan memperluas alam semesta material yang layak secara teknologi, menemukan, misalnya, 52.000 senyawa berlapis baru yang mirip dengan graphene dan 528 konduktor potensial ion litium.
Proyek ini bertujuan untuk mendemokratisasi penemuan material dengan membuat prediksi GNoME tersedia untuk umum. 380.000 material stabil yang diprediksi sedang disumbangkan ke database Materials Project, memberdayakan peneliti di seluruh dunia. Validasi independen telah menunjukkan bahwa peneliti eksternal telah berhasil mensintesis 736 struktur yang diprediksi GNoME secara eksperimental. Selain itu, bekerja sama dengan Lawrence Berkeley National Laboratory, prediksi GNoME dimanfaatkan untuk sintesis material otonom, menunjukkan potensi AI untuk memandu laboratorium robotik dalam menciptakan material baru dengan kecepatan yang belum pernah terjadi sebelumnya.
Sorotan Penemuan Material GNoME
Memprediksi stabilitas material baru menggunakan deep learning
Mengidentifikasi jutaan struktur kristal baru
Menemukan ratusan ribu material stabil dan layak
Memanfaatkan Jaringan Saraf Graf (GNN) untuk eksplorasi material
Menggunakan pembelajaran aktif untuk meningkatkan akurasi prediksi
Meningkatkan tingkat penemuan material menjadi lebih dari 80%
Mempercepat penemuan diperkirakan 800 tahun
Memungkinkan penemuan material untuk superkonduktor dan baterai canggih
Menyediakan akses ke database 380.000 material stabil yang diprediksi
Mendukung sintesis material otonom melalui prediksi AI
Merilis struktur kristal yang diprediksi untuk komunitas riset
Mengidentifikasi 52.000 senyawa berlapis baru yang mirip dengan graphene
Menemukan 528 konduktor potensial ion litium
Memulai dengan Penemuan Material GNoME
Akses prediksi GNoME: Unduh dataset 380.000 prediksi material stabil.
Integrasikan prediksi: Manfaatkan data untuk sintesis eksperimental dan pengembangan material.
Manfaatkan untuk sintesis otonom: Terapkan prediksi AI untuk memandu pembuatan material robotik.
Berkontribusi pada penelitian: Gunakan data yang dirilis untuk memajukan pemahaman ilmiah dan inovasi teknologi.
Kasus Penggunaan Penemuan Material GNoME
- Penemuan Material yang Dipercepat
- Pengembangan Teknologi Baru
- Panduan Sintesis Eksperimental
- Sintesis Material Otonom
- Penelitian Ilmiah
- Teknologi Berkelanjutan
