DeepMind公開探索晶體材料的高效人工智慧工具GNoME，目前已發現220萬種新晶體，其中38萬種穩定且可於實驗室製造，有助於開發綠色技術材料
DeepMind在《自然》期刊上發表人工智慧在材料科學上的最新應用，人工智慧工具GNoME發現了220萬種新的晶體，並且經確認其中有38萬種屬於能夠在實驗室製造的穩定材料，具有綠色技術潛能，可用作開發電動車電池或是超導體等。
從電腦晶片、電池到太陽能電板都需要用到無機晶體，要實現新的技術，科學家便需要開發新的晶體，但晶體必須要足夠穩定不分解才能夠被使用，研究人員提到，每種新晶體開發，都需要經過數個月的測試與實驗。
目前ICSD資料庫中，約有2萬種晶體在計算上被認為穩定，由Materials Project等團隊透過計算方法，又找出了2.8萬種。過去10年所發展的人工智慧方法，雖然已經加快了發現新晶體結構的速度，但是過程仍然非常耗時且高成本。DeepMind的新工具GNoME則突破了之前人工智慧方法，在準確預測實驗可行材料上的限制，新發現了220萬種材料，相當於過去要花800年研究的知識。
GNoME開發材料的效率非常高，像是找出了5.2萬種屬於石墨烯新型層狀化合物，而在之前，人類只鑑定出約1,000種類似的材料。另外，GNoME還發現528種潛在的鋰離子導體，導電度可達之前材料的25倍。科學家認為，這些發現將有助於改善電子產品和充電電池效能。GNoME所發現的220萬種材料中，有38萬種晶體在目前的科學標準下被認為是穩定的，高機率能夠在實驗室成功製造的材料結構。
之所以GNoME能夠有效率地找出這麼多穩定晶體，主要是採用兩種策略來尋找材料，第一種是根據已知晶體結構創造候選物，另一種則是基於化學式，以更隨機的方式探索候選物結構。GNoME透過圖神經網路技術處理和分析這兩種方法的輸出，並透過密度泛函理論（Density Functional Theory，DFT）計算，來評估這些候選物的穩定性。此外，GNoME還用了一種稱為主動學習（Active Learning）的方法來提高預測精準度和效率，進而大幅增加發現新材料的速度和成功率。
GNoME專案的目標是降低發現新材料的成本，目前全球的科學家，已獨立在實驗室製造出736種GNoME所預測的新材料，這證明了GNoME預測在現實中的準確性與可行性。DeepMind現在將GNoME新發現的晶體資料庫公開給研究社群，協助科學家測試和製造候選材料。
此外，柏克萊實驗室還應用機器人技術，以自動合成的方式製造新材料，目前已經成功合成41種新材料，進一步證明了人工智慧在材料合成上的可能性。
