설명
Google DeepMind의 GNoME(Graph Networks for Materials Exploration)는 새로운 무기물 결정 발견에 혁신을 가져오도록 설계된 획기적인 딥러닝 도구입니다. 컴퓨터 칩, 배터리부터 태양광 패널에 이르기까지 현대 기술은 안정적인 무기물 결정에 의존합니다. 전통적으로 새롭고 안정적인 재료를 식별하는 것은 수개월의 실험 작업을 포함하는 고되고 시간이 많이 소요되는 과정이었습니다. GNoME는 새로운 재료의 안정성을 정확하게 예측함으로써 이 발견 과정의 속도와 효율성을 극적으로 향상시킵니다.
더 읽기
고급 그래프 신경망(GNN) 모델을 사용하여 GNoME는 원자 간의 연결을 나타내는 그래프로 결정 구조를 처리하여 새로운 결정질 재료 발견에 탁월하게 적합합니다. 이 도구는 알려진 결정과 유사한 후보를 생성하는 구조 파이프라인과 새로운 화학식을 탐색하는 구성 파이프라인의 두 가지 파이프라인을 사용합니다. 이러한 후보는 밀도 함수 이론(DFT) 계산을 사용하여 평가되며, 결과는 GNoME의 능동 학습 프로세스에 정보를 제공하여 예측 정확도를 지속적으로 향상시킵니다. 이 접근 방식은 안정적인 재료의 발견율을 약 50%에서 80% 이상으로 끌어올렸습니다.
GNoME는 이미 220만 개의 새로운 결정을 식별했으며, 이는 전통적인 연구로 약 800년에 해당하는 숫자입니다. 중요하게도, 이 중 380,000개는 매우 안정적일 것으로 예측되어 초전도체, 차세대 배터리 및 슈퍼컴퓨터와 같은 혁신적인 기술에 대한 실험적 합성 및 잠재적 응용을 위한 유망한 후보가 됩니다. 이 도구는 그래핀과 유사한 52,000개의 새로운 층상 화합물과 528개의 잠재적인 리튬 이온 전도체를 발견하는 등 기술적으로 실용 가능한 재료의 알려진 우주를 크게 확장했습니다.
이 프로젝트는 GNoME의 예측을 공개적으로 이용 가능하게 함으로써 재료 발견을 민주화하는 것을 목표로 합니다. 예측된 380,000개의 안정적인 재료는 Materials Project 데이터베이스에 기여되어 전 세계 연구자들에게 힘을 실어주고 있습니다. 독립적인 검증 결과 외부 연구자들이 GNoME가 예측한 구조 736개를 실험적으로 성공적으로 합성했음을 보여주었습니다. 또한, 로렌스 버클리 국립 연구소와의 협력을 통해 GNoME의 예측은 자율 재료 합성에 활용되고 있으며, AI가 전례 없는 속도로 새로운 재료를 만드는 로봇 실험실을 안내할 수 있는 잠재력을 보여주고 있습니다.
- 카테고리과학적 발견 및 실험실 도구
- 요금제무료
- 배포클라우드
- 플랫폼웹
GNoME 재료 발견의 핵심 기능
딥러닝을 사용하여 새로운 재료의 안정성 예측
수백만 개의 새로운 결정 구조 식별
수십만 개의 안정적이고 실용적인 재료 발견
재료 탐색을 위한 그래프 신경망(GNN) 활용
예측 정확도 향상을 위한 능동 학습 사용
재료 발견율을 80% 이상으로 증가
발견을 약 800년 가속화
초전도체 및 고급 배터리용 재료 발견 지원
380,000개의 예측된 안정적인 재료 데이터베이스에 대한 액세스 제공
AI 예측을 통한 자율 재료 합성 지원
연구 커뮤니티를 위한 예측된 결정 구조 공개
그래핀과 유사한 52,000개의 새로운 층상 화합물 식별
528개의 잠재적인 리튬 이온 전도체 발견
GNoME 재료 발견 시작하기
GNoME 예측 액세스: 380,000개의 안정적인 재료 예측 데이터 세트를 다운로드합니다.
예측 통합: 실험적 합성 및 재료 개발을 위해 데이터를 활용합니다.
자율 합성 활용: AI 예측을 적용하여 로봇 재료 생성을 안내합니다.
연구에 기여: 공개된 데이터를 사용하여 과학적 이해와 기술 혁신을 발전시킵니다.
GNoME 재료 발견의 사용 사례
- 가속화된 재료 발견
- 신기술 개발
- 실험적 합성 안내
- 자율 재료 합성
- 과학 연구
- 지속 가능한 기술
