VolgendeVolgende gids
AI voor patiënteneducatiemateriaal
Toepassingen
ToepassingenGIDS
AI voorspelt welke nieuwe materialen zouden kunnen bestaan, stabiel zijn en nuttige eigenschappen hebben, waardoor de zoektocht door een bijna oneindige ruimte van mogelijke verbindingen dramatisch wordt ingekrompen.
Luister naar deze gidsAI-verteld · ~2 min
Het is belangrijk voor batterijen, zonnecellen, supergeleiders en katalysatoren, waarbij het vinden van het juiste materiaal decennia kan duren.
AI tools can screen candidate crystals or generate structures under property constraints, but predictions need independent validation. In its 2023 GNoME study, DeepMind reported 381,000 new stable materials and 736 structures independently experimentally verified. MatterGen takes a different generative approach: its diffusion process refines atom types, coordinates, and the periodic lattice, and its paper studies fine-tuning toward property constraints. Computational stability or a generated structure alone does not establish practical synthesizability or useful measured performance.
DeepMind's GNoME voorspelt honderdduizenden nieuwe stabiele kristalstructuren en breidt databases met bekende materialen uit
Machinaal geleerde interatomaire mogelijkheden die snel werken, moleculaire dynamica met bijna DFT-nauwkeurigheid voor legeringen en elektrolyten
Generatieve modellen zoals MatterGen die kristallen voorstellen die gericht zijn op een gewenste bandafstand of magnetische eigenschap
Zelfrijdende laboratoria (bijvoorbeeld het A-Lab) waar AI kandidaten selecteert en robots deze autonoom synthetiseren en karakteriseren
De grens is de cirkel aan het sluiten: generatief ontwerp dat gerichte materialen voorstelt, AI die de syntheseroute plant, en autonome robotlaboratoria die deze maken en meten, waarbij de resultaten terugvloeien naar de modellen. Verwacht een betere omgang met synthese, niet alleen thermodynamische stabiliteit, plus groei van machinaal geleerde interatomaire mogelijkheden die moleculaire simulaties uitvoeren met bijna kwantumnauwkeurigheid, maar met een veel grotere snelheid, waardoor langere en grotere experimenten mogelijk worden.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
AI voorspelt welke nieuwe materialen zouden kunnen bestaan, stabiel zijn en nuttige eigenschappen hebben, waardoor de zoektocht door een bijna oneindige ruimte van mogelijke verbindingen dramatisch wordt ingekrompen. Het is van belang voor batterijen, zonnecellen, supergeleiders en katalysatoren, waar het tientallen jaren kan duren om het juiste materiaal te vinden.
Kristallen zijn van nature grafieken: atomen zijn knooppunten en interatomaire bindingen zijn randen, waardoor GNN's structuur-eigenschapsrelaties kunnen leren.
DFT is nauwkeurig maar duur; neurale surrogaten benaderen hun eigenschapsvoorspellingen in milliseconden om veel kandidaten te screenen.
GNoME voorspelde een groot aantal nieuwe stabiele kristallen, waardoor de databases met kandidaatmaterialen aanzienlijk werden uitgebreid.
Fysieke eigenschappen zouden niet moeten veranderen als je atomen roteert, verplaatst of opnieuw labelt; het inbouwen van deze symmetrieën verbetert de nauwkeurigheid en gegevensefficiëntie.
Autonome laboratoria sluiten de cirkel: AI stelt materialen voor en robotsystemen maken en karakteriseren deze, en voeren de resultaten terug naar de modellen.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
AI voor patiënteneducatiemateriaal
Toepassingen