Deutsch
English
Español
Français
Nederlands
Polski
Português
Русский
Türkçe
Svenska
Chinese
MagyarLa nuova AI di Google DeepMind ha sviluppato oltre 700 materiali per le batterie EV, le celle solari e altro ancora
La nuova AI di Google DeepMind, GNoME (reti grafiche per l'esplorazione dei materiali), ha identificato le strutture di circa 2,2 milioni di nuovi materiali. Questo include circa 380.000 materiali stabili che potrebbero guidare le tecnologie future, come le batterie per auto elettriche di prossima generazione, le celle solari, i chip per computer e i superconduttori. Diversi ricercatori in tutto il mondo stanno producendo e testando sperimentalmente 736 di questi. DeepMind ha identificato 528 promettenti conduttori per batterie agli ioni di litio, che potrebbero contribuire a rendere le batterie più efficienti.
Sebbene i materiali svolgano un ruolo molto critico in quasi tutte le tecnologie, come umanità conosciamo solo poche decine di migliaia di materiali stabili.
- Dogus Cubuk, responsabile della scoperta dei materiali presso Google DeepMind
Mentre l'uso dell'AI per sviluppare nuovi materiali è diventato comune, GNoMe si distingue per la sua scala e precisione. Chris Bartel, professore assistente di ingegneria chimica e scienza dei materiali presso l'Università del Minnesota, osserva che GNoMe è stato addestrato con una quantità di dati significativamente maggiore rispetto a progetti analoghi.
L'hardware, soprattutto quando si tratta di energia pulita, ha bisogno di innovazione se vogliamo risolvere la crisi climatica. Questo è un aspetto dell'accelerazione di tale innovazione.
- Kristin Persson, leader del Progetto Materiali del Berkeley Lab
I ricercatori spesso passano anni a sviluppare materiali basati su strutture esistenti, nella speranza di scoprire nuove combinazioni. Grazie allo strumento dell'apprendimento profondo, questa ricerca può ora essere accelerata. Il Lawrence Berkeley National Laboratory, insieme a Google DeepMind, ha pubblicato due articoli sulla rivista , Nature. Un articolo descrive come le previsioni dell'AI possono essere utilizzate per la sintesi autonoma dei materiali.
Tuttavia, persiste un problema significativo: I nuovi materiali spesso richiedono molto tempo per raggiungere la fase commerciale.
Se riuscissimo a ridurre questo tempo a cinque anni, sarebbe un grande miglioramento.
- Dogus Cubuk
Il nuovo A-Lab autonomo del Berkeley Lab sta studiando l'utilità nel mondo reale dei nuovi materiali. In soli 17 giorni, il laboratorio è stato in grado di eseguire 355 esperimenti e di sintetizzare con successo 41 dei 58 composti proposti. Si tratta di un tempo significativamente più rapido rispetto a quello necessario ai ricercatori umani.
Se si è sfortunati, possono essere necessari mesi o addirittura anni. La maggior parte degli studenti si arrende dopo poche settimane. Ma all'A-Lab non importa fallire. Continua a provare e riprovare.
- Kristin Persson
Quelle(n)
