不管是搗鼓出新的清潔能源，還是琢磨出更棒的資訊處理法子，想在這些現代技術套用上有個突破的話，那就得造出有新功能的無機晶體材料。這晶體還得穩穩當當的，可不能分解成那些差不多的、能量低的成分。
嘿，您可知道，每弄出一個新的、穩穩當當的晶體來，那背後都得費老長時間做艱苦的實驗呢。這都幾十年了，科學家做實驗，在無機晶體結構資料庫（ICSD）裏已經給20,000個「算起來」挺穩定的結構編了號。可從成本呀、產量呀，還有合成的復雜程度這些方面來看呢，科學家們也越來越明白過來了，就這種做實驗的法子，離完美可差著老大一截子呢。
嘿，【自然】雜誌新登了個研究。DeepMind那幫人呢，用新的人工智慧工具GNoMe發現了220萬個新晶體。這裏頭有381,000個晶體那可是相當穩定，就像老實巴交的好孩子似的。這些晶體有大用處，能當實驗合成的候選材料呢。這要是成了，就像給超導體、超級電腦供電這些未來技術打了一針強心劑，讓它們革新發展起來更帶勁了。
圖神經網路裏最牛的那種。
GNoME啊，這是「材料探索圖網路」的簡稱呢，是DeepMind搞出來的一個新的深度學習的玩意兒。它能靠預測新材料穩不穩定，大大加快發現新材料的速度，提高發現新材料的效率。
GNoME可是個超先進的圖神經網路（GNN）模型呢。GNN輸入的數據是圖這種形式，這圖啊，就跟原子之間的連線似的，用來發現新的晶體材料可再合適不過了。
最開始的時候呢，研究人員拿「材料計劃」（Materials Project）積攢了十多年的數據來訓練GNoME。這「材料計劃」啊，是2011年就建立起來的一個開放獲取的資料庫，專門計算那些已知的和預測的材料的性質。訓練的時候呢，研究人員就使喚GNoME去生成新的候選晶體，還讓它預測這些晶體穩不穩定呢。
研究人員想瞅瞅GNoMe在漸進訓練周期裏的預測本事咋樣。他們就用那個叫密度泛函理論（DFT）的計算技術，來回地查它的效能。還用上一種叫「主動學習」的訓練法，不停地改進演算法呢。之後把弄出來的高品質訓練數據再反饋到模型訓練裏。嘿，這麽一折騰，GNoMe的效能可就大大提高嘍，材料穩定性預測的發現率從差不多50%一下子就漲到80%啦。
在ICSD資料庫裏呢，做實驗得出了大概20000個晶體，這些晶體在計算上是穩定的。材料計劃、開放量子材料資料庫和WBM資料庫裏的計算方法，把這個數兒給提到了48000個。嘿，GNoME可不得了，一下就把人類知道的穩定晶體的數量增加到了42.1萬種呢。（圖/DeepMind）
末了，GNoME弄出了220萬個晶體結構，這裏頭有38萬個穩定的晶體結構都被加到「材料計劃」裏去了。
在實驗室裏給它合成出來。
就像咱們之前提到的，以前啊，科學家找新的晶體結構就靠兩種法子。一種是對現成的晶體擺弄擺弄，另一種呢，就是在做實驗的時候試試新的元素組合。這過程啊，又費錢又得反復折騰。
過去這十年啊，科學家們就開始琢磨著用計算的法子去找新的晶體材料。那些讓人工智慧唱主角的法子呢，幫著科學家找出了28,000種新晶體。可這些法子也有不靈的時候，在準確算出能在實驗室合成的材料這事兒上，就有點使不上勁兒嘍。
GNoME發現了38萬多個最穩當的晶體結構呢。世界各地的科學家在實驗裏已經搗鼓出了736個。這就說明啊，GNoME預測穩定晶體結構的本事可不小，規模和準頭都是前所未有的。
DeepMind的那幫研究人員啊，在科學文獻裏扒拉了一通之後，瞅見世界各地的科學家團隊各自鼓搗出了736個新的穩定晶體結構呢，這兒就列出六個例子給大夥瞅瞅。（圖/DeepMind）
GNoME對材料科學的貢獻那可老值錢了。就說吧，GNoME算出了52,000種像石墨烯似的新層狀化合物呢。這玩意兒啊，隨著超導體發展，說不定能把電子學整個給改頭換面嘍。在這之前啊，科學家也就找著了大概1000種這樣的材料。這還沒完，GNoME還發現了528種可能是鋰離子導體的東西呢，這數量是以前研究的25倍，在提升可充電電池效能這事兒上，那可是有望發揮老大作用了。
【人工智慧的新材料】這題目聽起來就挺高大上的，可咱也得把它掰扯明白嘍。人工智慧嘛，現在老火了，到處都能聽到它的動靜。那這人工智慧的新材料呢，就像是給這個智慧家夥準備的新衣服、新裝備一樣。這新材料可不得了，就像給超級英雄找到了新的超能力來源似的。在人工智慧的發展行程裏，新材料那可是有著舉足輕重的地位。它就像一個神秘的魔法盒，開啟這個盒子，可能就給人工智慧帶來各種新的本事。不過這新材料也不是那麽容易就能找著的，就像在一個巨大的寶柯瑞找一顆特別的寶石一樣難。得費不少心思，搞好多研究，才能找到適合人工智慧的新材料呢。
嘿，DeepMind那幫研究人員啊，這會兒已經把新發現的晶體資料庫給公開往外釋出嘍。他們琢磨著，把這些新候選材料的完整清單給科學家們遞過去，好讓科學家們去測一測，然後造出最棒的材料來呢。
柏克萊實驗室有個自動化的實驗室呢，在那兒啊，人工智慧指揮著機器人鼓搗新材料。（圖/Marilyn Sargent/Berkeley Lab）
這時候呢，DeepMind的那些研究人員啊，就跟勞倫斯柏克萊國家實驗室的科學家一塊兒合作了。他們琢磨著GNoME的預測結果咋能用到材料的自動合成上呢。嘿，他們也把這研究成果發在【自然】雜誌上了。在論文裏，他們給大家看了這麽個事兒：利用「材料計劃」裏的材料，再加上GNoME對穩定性的那些個見解，一個自動化的實驗室一下子就合成了41種還多的新材料呢。這可給人工智慧驅動材料合成開啟了新的大門。
咱要打造一個更能持續發展的未來呀，那就得有新材料。DeepMind在這事兒上搞的研究，還有世界各地研究人員在這方面下的功夫，都表明了用人工智慧來指導材料的發現、做實驗和搞合成，這潛力可大著呢。說不定哪天，GNoME和其他人工智慧的家夥事兒就能幫咱們把材料研究的法子徹底改嘍，把這個重要領域的未來重新塑造一下呢。
你這原文就只寫了「參考來源：」這四個字，這可咋按照要求覆寫呢？你是不是忘記把完整的原文內容提供出來啦？
你提供的是一個網址連結，並不是可以進行覆寫的文章內容，請提供正確的文章原文以便我進行覆寫。
封面圖和首圖呢，是DeepMind。
