首页 > 行业观察 > 美国加州大学圣地亚哥分校开发人工智能算法,可预测任何材料的结构和动态特性

美国加州大学圣地亚哥分校开发人工智能算法,可预测任何材料的结构和动态特性

新知榜官方账号

2023-10-01 09:08:24

美国加州大学圣地亚哥分校雅各布斯工程学院的纳米工程师开发了一种人工智能(AI)算法,几乎可以即时预测任何材料(无论是现有材料还是新材料)的结构和动态特性。该算法被称为M3GNet,用于开发matterverse.ai数据库,该数据库包含超过3100万种尚未合成的材料,其特性由机器学习算法预测。这一数据库还促进了具有卓越性能的新材料的发现,研究人员可使用其来寻找更安全、能量密度更高的可充电锂离子电池电极和电解质。

材料的性质由其原子排列决定。然而,现有的获得这种安排的方法要么过于昂贵,要么对许多元素无效。研究人员表示,与蛋白质类似,人们需要了解材料的结构才能预测其特性。因此,为了构建材料的等价物,研究团队将图形神经网络与多体交互相结合,形成了一种深度学习架构,可在元素周期表的所有元素中通用、高精度地工作。

为了训练他们的模型,该团队使用了过去十年在材料项目中收集的巨大的材料能量、力和应力数据库。M3GNet原子间势(IAP)可以预测任何原子集合中的能量和力。Matterverse.ai是通过对无机晶体结构数据库(ICSD)中的5,000多个结构原型进行组合元素替换生成。然后使用M3GNetIAP获得平衡晶体结构,用于属性预测。

雅各布斯工程学院可持续能源与能源中心副主任ShyuePingOng说,“我们已经证明,M3GNetIAP可用于准确预测材料的锂电导率。我们坚信M3GNet架构是一种变革性工具,可极大地扩展我们探索新材料化学和结构的能力。”

为了推广M3GNet的使用,该团队已将该框架作为开源Python代码发布在Github上。自2022年2月在Arxiv上发布预印本以来,引起了学术研究人员和业内人士的兴趣。有计划将M3GNetIAP作为工具集成到商业材料模拟包中。该论文研究题为“AUniversalGraphDeepLearningInteratomicPotentialforthePeriodicTable”,于11月28日发表在NatureComputationalScience上,主要作者为美国加州大学圣地亚哥分校工程学院的纳米工程师ShyuePingOng教授。

本页网址:https://www.xinzhibang.net/article_detail-14665.html

寻求报道,请 点击这里 微信扫码咨询

关键词

人工智能算法 材料结构预测 M3GNet

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯

ChatGPT,Midjourney,文心一言,文心一格,bing新必应,Stable diffusion,文心一格,稿定设计,墨刀AI,mastergo,Adobe Firefly

短视频知识人物影响力榜

查看更多

新知榜独家 {{faTime.effecttime}}发布

总榜

人物 领域 粉丝数 影响力指数

{{item.manIndex}}

{{item.nickname}} {{item.field}}

{{item.fs}}

{{item.effect}}