不管是捣鼓出新的清洁能源，还是琢磨出更棒的信息处理法子，想在这些现代技术应用上有个突破的话，那就得造出有新功能的无机晶体材料。这晶体还得稳稳当当的，可不能分解成那些差不多的、能量低的成分。
嘿，您可知道，每弄出一个新的、稳稳当当的晶体来，那背后都得费老长时间做艰苦的实验呢。这都几十年了，科学家做实验，在无机晶体结构数据库（ICSD）里已经给20,000个「算起来」挺稳定的结构编了号。可从成本呀、产量呀，还有合成的复杂程度这些方面来看呢，科学家们也越来越明白过来了，就这种做实验的法子，离完美可差着老大一截子呢。
嘿，【自然】杂志新登了个研究。DeepMind那帮人呢，用新的人工智能工具GNoMe发现了220万个新晶体。这里头有381,000个晶体那可是相当稳定，就像老实巴交的好孩子似的。这些晶体有大用处，能当实验合成的候选材料呢。这要是成了，就像给超导体、超级计算机供电这些未来技术打了一针强心剂，让它们革新发展起来更带劲了。
图神经网络里最牛的那种。
GNoME啊，这是「材料探索图网络」的简称呢，是DeepMind搞出来的一个新的深度学习的玩意儿。它能靠预测新材料稳不稳定，大大加快发现新材料的速度，提高发现新材料的效率。
GNoME可是个超先进的图神经网络（GNN）模型呢。GNN输入的数据是图这种形式，这图啊，就跟原子之间的连接似的，用来发现新的晶体材料可再合适不过了。
最开始的时候呢，研究人员拿「材料计划」（Materials Project）积攒了十多年的数据来训练GNoME。这「材料计划」啊，是2011年就建立起来的一个开放获取的数据库，专门计算那些已知的和预测的材料的性质。训练的时候呢，研究人员就使唤GNoME去生成新的候选晶体，还让它预测这些晶体稳不稳定呢。
研究人员想瞅瞅GNoMe在渐进训练周期里的预测本事咋样。他们就用那个叫密度泛函理论（DFT）的计算技术，来回地查它的性能。还用上一种叫「主动学习」的训练法，不停地改进算法呢。之后把弄出来的高质量训练数据再反馈到模型训练里。嘿，这么一折腾，GNoMe的性能可就大大提高喽，材料稳定性预测的发现率从差不多50%一下子就涨到80%啦。
在ICSD数据库里呢，做实验得出了大概20000个晶体，这些晶体在计算上是稳定的。材料计划、开放量子材料数据库和WBM数据库里的计算方法，把这个数儿给提到了48000个。嘿，GNoME可不得了，一下就把人类知道的稳定晶体的数量增加到了42.1万种呢。（图/DeepMind）
末了，GNoME弄出了220万个晶体结构，这里头有38万个稳定的晶体结构都被加到「材料计划」里去了。
在实验室里给它合成出来。
就像咱们之前提到的，以前啊，科学家找新的晶体结构就靠两种法子。一种是对现成的晶体摆弄摆弄，另一种呢，就是在做实验的时候试试新的元素组合。这过程啊，又费钱又得反复折腾。
过去这十年啊，科学家们就开始琢磨着用计算的法子去找新的晶体材料。那些让人工智能唱主角的法子呢，帮着科学家找出了28,000种新晶体。可这些法子也有不灵的时候，在准确算出能在实验室合成的材料这事儿上，就有点使不上劲儿喽。
GNoME发现了38万多个最稳当的晶体结构呢。世界各地的科学家在实验里已经捣鼓出了736个。这就说明啊，GNoME预测稳定晶体结构的本事可不小，规模和准头都是前所未有的。
DeepMind的那帮研究人员啊，在科学文献里扒拉了一通之后，瞅见世界各地的科学家团队各自鼓捣出了736个新的稳定晶体结构呢，这儿就列出六个例子给大伙瞅瞅。（图/DeepMind）
GNoME对材料科学的贡献那可老值钱了。就说吧，GNoME算出了52,000种像石墨烯似的新层状化合物呢。这玩意儿啊，随着超导体发展，说不定能把电子学整个给改头换面喽。在这之前啊，科学家也就找着了大概1000种这样的材料。这还没完，GNoME还发现了528种可能是锂离子导体的东西呢，这数量是以前研究的25倍，在提升可充电电池性能这事儿上，那可是有望发挥老大作用了。
【人工智能的新材料】这题目听起来就挺高大上的，可咱也得把它掰扯明白喽。人工智能嘛，现在老火了，到处都能听到它的动静。那这人工智能的新材料呢，就像是给这个智能家伙准备的新衣服、新装备一样。这新材料可不得了，就像给超级英雄找到了新的超能力来源似的。在人工智能的发展进程里，新材料那可是有着举足轻重的地位。它就像一个神秘的魔法盒，打开这个盒子，可能就给人工智能带来各种新的本事。不过这新材料也不是那么容易就能找着的，就像在一个巨大的宝库里找一颗特别的宝石一样难。得费不少心思，搞好多研究，才能找到适合人工智能的新材料呢。
嘿，DeepMind那帮研究人员啊，这会儿已经把新发现的晶体数据库给公开往外发布喽。他们琢磨着，把这些新候选材料的完整清单给科学家们递过去，好让科学家们去测一测，然后造出最棒的材料来呢。
伯克利实验室有个自动化的实验室呢，在那儿啊，人工智能指挥着机器人鼓捣新材料。（图/Marilyn Sargent/Berkeley Lab）
这时候呢，DeepMind的那些研究人员啊，就跟劳伦斯伯克利国家实验室的科学家一块儿合作了。他们琢磨着GNoME的预测结果咋能用到材料的自动合成上呢。嘿，他们也把这研究成果发在【自然】杂志上了。在论文里，他们给大家看了这么个事儿：利用「材料计划」里的材料，再加上GNoME对稳定性的那些个见解，一个自动化的实验室一下子就合成了41种还多的新材料呢。这可给人工智能驱动材料合成打开了新的大门。
咱要打造一个更能持续发展的未来呀，那就得有新材料。DeepMind在这事儿上搞的研究，还有世界各地研究人员在这方面下的功夫，都表明了用人工智能来指导材料的发现、做实验和搞合成，这潜力可大着呢。说不定哪天，GNoME和其他人工智能的家伙事儿就能帮咱们把材料研究的法子彻底改喽，把这个重要领域的未来重新塑造一下呢。
你这原文就只写了「参考来源：」这四个字，这可咋按照要求改写呢？你是不是忘记把完整的原文内容提供出来啦？
你提供的是一个网址链接，并不是可以进行改写的文章内容，请提供正确的文章原文以便我进行改写。
封面图和首图呢，是DeepMind。
