De nieuwe AI van Google DeepMind heeft meer dan 700 materialen ontwikkeld voor EV-batterijen, zonnecellen en meer

De nieuwe materialen van Google DeepMind worden in het A-Lab getest met robotica (Afbeelding: Marilyn Sargent / Berkeley Lab)

De nieuwe AI van Google DeepMind ontwikkelt tal van materialen, onder andere voor EV-batterijen, zonnecellen, computerchips en nog veel meer. Daarnaast tilt het nieuwe A-Lab laboratorium de materiaalontwikkeling naar een hoger niveau door robotica en machinaal leren te combineren.

Nicole Dominikowski (vertaald door Ninh Duy), Published 17-12-2023 🇺🇸 🇩🇪 ...

De nieuwe AI van Google DeepMind, GNoME (graphical networks for material exploration), heeft de structuren van ongeveer 2,2 miljoen nieuwe materialen geïdentificeerd. Hieronder bevinden zich ruwweg 380.000 stabiele materialen die toekomstige technologieën kunnen aandrijven, zoals de volgende generatie batterijen voor elektrische auto's, zonnecellen, computerchips en supergeleiders. Verschillende onderzoekers over de hele wereld zijn nu bezig met het produceren en experimenteel testen van 736 van deze materialen. DeepMind heeft 528 veelbelovende geleiders voor lithium-ionbatterijen geïdentificeerd die zouden kunnen helpen om batterijen efficiënter te maken.

Hoewel materialen een zeer cruciale rol spelen in bijna elke technologie, kennen wij als mensheid slechts enkele tienduizenden stabiele materialen.

- Dogus Cubuk, hoofd materiaalontdekking bij Google DeepMind

GNoME heeft het aantal stabiele materialen dat de mensheid kent uitgebreid tot 421.000 (Afbeelding: DeepMind Google)

Hoewel het gebruik van AI voor de ontwikkeling van nieuwe materialen gebruikelijk is geworden, onderscheidt GNoMe zich door zijn schaal en precisie. Chris Bartel, assistent-professor chemische technologie en materiaalkunde aan de Universiteit van Minnesota, merkt op dat GNoMe getraind werd met een aanzienlijk grotere hoeveelheid gegevens dan vergelijkbare projecten.

Hardware, vooral als het gaat om schone energie, heeft innovatie nodig als we de klimaatcrisis willen oplossen. Dit is één aspect van het versnellen van die innovatie.

- Kristin Persson, leider van het Materials Project bij Berkeley Lab

Onderzoekers spenderen vaak jaren aan het ontwikkelen van materialen op basis van bestaande structuren in de hoop nieuwe combinaties te ontdekken. Dankzij deep learning kan dit onderzoek nu versneld worden. Het Lawrence Berkeley National Laboratory heeft samen met Google DeepMind twee artikelen gepubliceerd in het tijdschrift Nature. Het ene artikel beschrijft hoe AI-voorspellingen gebruikt kunnen worden voor autonome materiaalsynthese.

Herhaal dit voor rondes van actief leren (Afbeelding: DeepMind Google)

Er blijft echter een belangrijk probleem bestaan: Het duurt vaak lang voordat nieuwe materialen het commerciële stadium bereiken.

Als we dit kunnen terugbrengen tot vijf jaar, zou dat een grote verbetering zijn.

- Dogus Cubuk

Het nieuwe autonome A-Lab van Berkeley Lab onderzoekt het nut van nieuwe materialen in de echte wereld. In slechts 17 dagen kon het lab 355 experimenten uitvoeren en 41 van de 58 voorgestelde verbindingen met succes synthetiseren. Dit is aanzienlijk sneller dan de tijd die menselijke onderzoekers nodig zouden hebben.

Als je pech hebt, kan het maanden of zelfs jaren duren. De meeste studenten geven het na een paar weken op. Maar het A-Lab vindt het niet erg om te falen. Het blijft proberen en proberen.

- Kristin Persson