The post has been translated automatically. Original language: Russian
In 2023, researchers from Google DeepMind introduced the GNoME (Graph Networks for Materials Exploration) system.
Instead of scientists manually sorting through possible chemical compounds, the AI independently explored a huge space of options.
The result was impressive:
- The AI has analyzed millions of possible materials.
- Predicted more than 2 million potentially stable crystal structures.
- About 380 thousand of them were recognized as promising for practical synthesis.
Such materials can be used in:
- 🔋 More capacious and durable batteries;
- High-efficiency solar panels;
- 💻 new semiconductors for electronics;
- superconductors and magnetic materials.
The most interesting thing here is not the number of compounds found, but the change in the very approach to scientific discoveries. Previously, scientists first put forward a hypothesis, then tested it experimentally for years. AI is now able to offer thousands of the most promising candidates, and researchers are focusing on testing them in the laboratory.
This is one of the first examples where artificial intelligence acts not just as a data analysis tool, but as an accelerator of scientific discoveries, shortening the path from idea to real material.
В 2023 году исследователи из Google DeepMind представили систему GNoME (Graph Networks for Materials Exploration).
Вместо того чтобы ученые вручную перебирали возможные химические соединения, ИИ самостоятельно исследовал огромное пространство вариантов.
Результат оказался впечатляющим:
- ИИ проанализировал миллионы возможных материалов.
- Предсказал более 2 миллионов потенциально стабильных кристаллических структур.
- Около 380 тысяч из них были признаны перспективными для практического синтеза.
Такие материалы могут найти применение в:
- 🔋 более емких и долговечных аккумуляторах;
- ☀️ высокоэффективных солнечных батареях;
- 💻 новых полупроводниках для электроники;
- 🧲 сверхпроводниках и магнитных материалах.
Самое интересное здесь не количество найденных соединений, а смена самого подхода к научным открытиям. Раньше ученые сначала выдвигали гипотезу, затем годами проверяли ее экспериментально. Теперь ИИ способен предложить тысячи наиболее перспективных кандидатов, а исследователи сосредотачиваются на их проверке в лаборатории.
Это один из первых примеров, когда искусственный интеллект выступает не просто как инструмент анализа данных, а как ускоритель научных открытий, сокращая путь от идеи до реального материала.
Share
