久久国产高清视频,欧美一区二区在线观看视频,亚洲一区二区三区四区热压胶

“篩選3200萬種材料至18種，只需80小時”

中國科學報

發布時間：2024-02-07 23:10:08 3982次瀏覽

“我們正處于科學發現新時代的黎明，借助最新的人工智能（AI）技術和高性能計算（HPC）能力，我們可以加快科學發現速度，包括發現可以解決時代問題的新分子、新材料。”近日，微軟戰略使命和技術執行副總裁Jason Zander在一次公開報告中說道。

近期，微軟與美國能源部太平洋西北國家實驗室（PNNL）攜手進行了一項引人注目的化學實驗，通過人工智能（AI）與高性能計算（HPC）的協作，他們成功地在綠色電池新材料方面取得了突破性成果。

傳統篩選約需20年，AI+HPC助縮短至80小時

這一合作充分展示了將AI與HPC相結合所能帶來的加速科學發現的潛能。在短短9個月的時間里，這個團隊成功地發現并合成了一種適用于資源節約型電池的新型材料。

項目的大部分計算和篩選工作要歸功于微軟的Azure Quantum Elements平臺（以下簡稱AQE平臺），它大幅加速了相關科學研究的進程。據介紹，AQE平臺集成了高性能計算、人工智能和量子計算功能，可實現多方面的計算速度、規模和準確性的提升。同時，通過將人工智能融合至平臺中，AQE平臺在尋找復雜問題答案的速度進一步提升。

得益于AQE平臺的支持，PNNL團隊在80小時內針對綠色清潔能源領域取得了突破性進展。AQE平臺負責人Nathan Baker表示：“相較于傳統計算方法所需的約20年時間，我們不到一周的時間就取得了相應成果。”

這項成果的取得，大致經歷了以下過程。

首先，在研究人員向AQE平臺尋求較少鋰用量的電池材料時，平臺迅速地為他們推薦了3200萬種不同的候選材料。這些材料是根據選定元素替換已知晶體結構中的原子生成的。然后，AQE平臺借助數百萬個材料模擬數據點訓練的AI模型進行了必要的計算。與基于DFT（密度泛函理論）的傳統方法相比，該計算過程顯著提高了材料屬性預測的速度，實現了超過千倍的速度提升。

接著，科研人員利用AI工具根據分子的反應性和導電潛力進行了第一輪篩選工作，將3200萬個候選方案縮減至約50萬個新型穩定材料。隨后，他們將AI模型用于預測材料的氧化還原電位和帶隙等物理特性，進一步將候選材料數量減少至約800種。之后，通過分子動力學模型將這些材料減少到 150 種。

盡管AI篩選速度快，但精確度有限。因此，在第二輪篩選工作中，研究人員還采用高性能計算機評估每種材料的實用性。最后，通過結合必要起始材料的可用性和成本等實際考慮因素，系統產生了23名個候選者。在這些材料中，有5個為已知材料，從而得到了18個有潛力的材料。

最后，PNNL團隊在固態反應中合成了最佳候選物——一種氯化鋰鈉釔材料。這種材料相較于其他業界領先的固態電解質，鋰含量減少了約70%，并展示出清晰的結構特征，這也解釋了該材料卓越的導電率水平。

AI和HPC加速科學發現的潛能

過去，傳統的材料發現過程可以分為以下階段：明確研究問題、收集現有數據、提出假設以及實驗驗證假設。這種傳統的科學研究范式主要依賴于提出假設并通過人工驗證。雖然這個過程在概念上很簡單，但實際執行中可能面臨許多瓶頸，如消耗大量人力資源、極易造成誤差等等，都會阻礙項目的成功推進。

隨著AI、HPC等技術進步，人們有望構建一個協作型的研究閉環。該流程涵蓋了大規模的知識提取、整合和推理，深度生成模型自動生成的新假設，以及使用自動化實驗測試，旨在提高科學研究的效率和精確性。多元技術協同將助力科學家更好處理科學研究挑戰，促進科學發現和科學創新。

PNNL的科學家感嘆，我們正在邁入一個新的范式。該范式的關鍵是異構能力的協同工作，即不再受單一技術主導，而是趨向多元技術的協同，“使總體結果大于各部分之和”。

回顧科學發展史，核心基礎技術的突破推動科學經歷多次重大的范式轉變。當前，在實證研究的推動下，研究數據的收集和共享使人們更加全面地看待科學問題，不斷促進關鍵基礎理論的突破發展。計算系統的出現和成熟讓更復雜的計算成為可能，計算技術規模不斷擴張。而人工智能和高性能計算技術各具優勢，可提高解決科學發現的效率和質量。