“篩選3200萬種材料至18種，只需80小時”
“我們正處于科學發(fā)現(xiàn)新時代的黎明，借助最新的人工智能（AI）技術和高性能計算（HPC）能力，我們可以加快科學發(fā)現(xiàn)速度，包括發(fā)現(xiàn)可以解決時代問題的新分子、新材料?！苯?，微軟戰(zhàn)略使命和技術執(zhí)行副總裁Jason Zander在一次公開報告中說道。
近期，微軟與美國能源部太平洋西北國家實驗室（PNNL）攜手進行了一項引人注目的化學實驗，通過人工智能（AI）與高性能計算（HPC）的協(xié)作，他們成功地在綠色電池新材料方面取得了突破性成果。
傳統(tǒng)篩選約需20年，AI+HPC助縮短至80小時
這一合作充分展示了將AI與HPC相結(jié)合所能帶來的加速科學發(fā)現(xiàn)的潛能。在短短9個月的時間里，這個團隊成功地發(fā)現(xiàn)并合成了一種適用于資源節(jié)約型電池的新型材料。
項目的大部分計算和篩選工作要歸功于微軟的Azure Quantum Elements平臺（以下簡稱AQE平臺），它大幅加速了相關科學研究的進程。據(jù)介紹，AQE平臺集成了高性能計算、人工智能和量子計算功能，可實現(xiàn)多方面的計算速度、規(guī)模和準確性的提升。同時，通過將人工智能融合至平臺中，AQE平臺在尋找復雜問題答案的速度進一步提升。
得益于AQE平臺的支持，PNNL團隊在80小時內(nèi)針對綠色清潔能源領域取得了突破性進展。AQE平臺負責人Nathan Baker表示：“相較于傳統(tǒng)計算方法所需的約20年時間，我們不到一周的時間就取得了相應成果。”
這項成果的取得，大致經(jīng)歷了以下過程。
首先，在研究人員向AQE平臺尋求較少鋰用量的電池材料時，平臺迅速地為他們推薦了3200萬種不同的候選材料。這些材料是根據(jù)選定元素替換已知晶體結(jié)構(gòu)中的原子生成的。然后，AQE平臺借助數(shù)百萬個材料模擬數(shù)據(jù)點訓練的AI模型進行了必要的計算。與基于DFT（密度泛函理論）的傳統(tǒng)方法相比，該計算過程顯著提高了材料屬性預測的速度，實現(xiàn)了超過千倍的速度提升。
接著，科研人員利用AI工具根據(jù)分子的反應性和導電潛力進行了第一輪篩選工作，將3200萬個候選方案縮減至約50萬個新型穩(wěn)定材料。隨后，他們將AI模型用于預測材料的氧化還原電位和帶隙等物理特性，進一步將候選材料數(shù)量減少至約800種。之后，通過分子動力學模型將這些材料減少到 150 種。
盡管AI篩選速度快，但精確度有限。因此，在第二輪篩選工作中，研究人員還采用高性能計算機評估每種材料的實用性。最后，通過結(jié)合必要起始材料的可用性和成本等實際考慮因素，系統(tǒng)產(chǎn)生了23名個候選者。在這些材料中，有5個為已知材料，從而得到了18個有潛力的材料。
最后，PNNL團隊在固態(tài)反應中合成了最佳候選物——一種氯化鋰鈉釔材料。這種材料相較于其他業(yè)界領先的固態(tài)電解質(zhì)，鋰含量減少了約70%，并展示出清晰的結(jié)構(gòu)特征，這也解釋了該材料卓越的導電率水平。
AI和HPC加速科學發(fā)現(xiàn)的潛能
過去，傳統(tǒng)的材料發(fā)現(xiàn)過程可以分為以下階段：明確研究問題、收集現(xiàn)有數(shù)據(jù)、提出假設以及實驗驗證假設。這種傳統(tǒng)的科學研究范式主要依賴于提出假設并通過人工驗證。雖然這個過程在概念上很簡單，但實際執(zhí)行中可能面臨許多瓶頸，如消耗大量人力資源、極易造成誤差等等，都會阻礙項目的成功推進。
隨著AI、HPC等技術進步，人們有望構(gòu)建一個協(xié)作型的研究閉環(huán)。該流程涵蓋了大規(guī)模的知識提取、整合和推理，深度生成模型自動生成的新假設，以及使用自動化實驗測試，旨在提高科學研究的效率和精確性。多元技術協(xié)同將助力科學家更好處理科學研究挑戰(zhàn)，促進科學發(fā)現(xiàn)和科學創(chuàng)新。
PNNL的科學家感嘆，我們正在邁入一個新的范式。該范式的關鍵是異構(gòu)能力的協(xié)同工作，即不再受單一技術主導，而是趨向多元技術的協(xié)同，“使總體結(jié)果大于各部分之和”。
回顧科學發(fā)展史，核心基礎技術的突破推動科學經(jīng)歷多次重大的范式轉(zhuǎn)變。當前，在實證研究的推動下，研究數(shù)據(jù)的收集和共享使人們更加全面地看待科學問題，不斷促進關鍵基礎理論的突破發(fā)展。計算系統(tǒng)的出現(xiàn)和成熟讓更復雜的計算成為可能，計算技術規(guī)模不斷擴張。而人工智能和高性能計算技術各具優(yōu)勢，可提高解決科學發(fā)現(xiàn)的效率和質(zhì)量。
科研范式的變遷。Nature 制圖
PNNL 科學技術副主任 Tony Peurrung 表示：“我們相信，人工智能、高性能計算與人類科學家的結(jié)合是加速取得有意義的科學成果的關鍵?！彼€透露，未來，微軟和PNNL簽署了新協(xié)議，確定了在下一階段將繼續(xù)共享前沿計算技術，深化雙方合作關系。
編譯參考：
https://arxiv.org/abs/2401.04070
https://news.microsoft.com/source/features/sustainability/how-ai-and-hpc-are-speeding-up-scientific-discovery/
https://www.chemistryworld.com/sponsored-content/microsofts-ai-and-high-performance-computing-system-powers-new-battery-discovery/4018731.article
https://www.nature.com/articles/s41524-022-00765-z
本文鏈接：http://www.albanygandhi.com/news-3-208.html“篩選3200萬種材料至18種，只需80小時”
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
