DeepMindがAIツールGNoMEをリリース、220万個の新しい結晶材料を発見したと主張

12月1日、GoogleのDeepMindは最近、Nature誌で自社のAIツールGNoMEを披露し、材料科学におけるAIの関連アプリケーションを紹介した。DeepMindはGNoMEを使用して220万個の新しい結晶を発見したと報告されており、そのうち38万個は実験室で製造できる安定した材料であり、バッテリーや超伝導体への使用が期待されている。

▲ 画像出典：DeepMind

現在、ICSD データには、計算上「安定状態」にあると考えられる結晶が約 20,000 個あります。これまでに、Materials Project などのチームが、一連の計算手法を通じてさらに 28,000 個の結晶を発見しています。しかし、DeepMind は、業界でこれまでに改善されてきたコンピューティング手法によって新しい結晶構造の発見をスピードアップできるものの、時間と費用のコストがかなり高くなると考えています。

DeepMindの新ツールGNoMEは、これまでのさまざまな計算手法を打ち破り、一連の安定した結晶構造を正確に予測し、そこから220万種類の物質を生成できるとのこと。DeepMindは、人間の力だけでこれらの物質を計算するには800年かかると主張しています。

▲ 画像出典：DeepMind

IT Home は、DeepMind のレポートから、GNoME が材料開発に非常に効果的であることを知りました。このモデルは、合計 52,000 個の新しいグラフェン層状化合物を設計しました。これまで、人間が特定した類似の材料は約 1,000 個しかありませんでした。さらに、GNoME は、従来の材料の最大 25 倍の伝導率を持つ 528 個の潜在的なリチウムイオン伝導体を発見しました。科学者たちは、上記の発見だけでも、現在の電子製品に使用されている電池のエネルギー消費量が改善されると期待できると考えています。

▲ 画像出典：DeepMind

DeepMind は、GNoME が材料を見つけるために 2 つの戦略を使用していると述べています。1 つ目は、既知の結晶構造に基づいて候補を作成することであり、もう 1 つは、化学会社に基づいて、よりランダムな方法で候補構造を探索することです。このモデルは、ニューラル ネットワークを通じて上記 2 つの方法の出力を同時に処理および分析し、密度汎関数理論 (DFT) 計算を使用してこれらの候補の安定性を評価します。 「アクティブラーニング」と呼ばれる手法により結晶予測の精度と効率が向上し、新材料の発見速度と成功率が大幅に向上します。

▲ 画像出典：DeepMind

GNoME モデルの目的は、新素材の発見コストを削減することです。世界中の科学者が、GNoME が予測した 736 種類の新素材を研究室で生成し、GNoME の結晶予測の正確性と実現可能性を現実に証明しました。DeepMind は、研究者が候補素材をテストおよび製造するのを支援するために、GNoME の新しく発見された結晶データベースを公開しました。