Google DeepMind използва изкуствен интелект (AI), за да предскаже структурата на повече от 2 милиона нови материала - пробив, който според компанията скоро може да се използва за подобряване на реални технологии.

В статия, публикувана в сряда в научното списание Nature, компанията за изкуствен интелект, собственост на Alphabet, заявява, че почти 400 000 от нейните хипотетични дизайни на материали скоро ще могат да бъдат произведени в лабораторни условия. Потенциалните приложения на изследването включват производството на по-ефективни батерии, слънчеви панели и компютърни чипове.

Откриването и синтезирането на нови материали може да бъде скъп и продължителен процес. Пример за това са литиево-йонните батерии, пише Reuters, които днес се използват за захранване на всичко - от телефони и лаптопи до електрически превозни средства. За да станат достъпни на пазара те, са необходими около две десетилетия изследвания.

"Надяваме се, че големите подобрения в експериментирането, автономния синтез и моделите за машинно обучение ще съкратят значително този 10 до 20-годишен срок до нещо, което е много по-управляемо", казва Екин Догус Кубук, учен в DeepMind.

Amazon представи нов бизнес AI чатбот - QТой може да предоставя цитати от документи в подкрепа на отговорите си в чата, но не само


AI на DeepMind е обучен с база данни от съществуващи изследвания на около 50 000 вече известни материала, принадлежаща на Materials Project - международна изследователска група, основана в Националната лаборатория "Лорънс Бъркли" през 2011 г. Компанията заявява, че сега ще сподели данните си с изследователската общност с надеждата да ускори по-нататъшните пробиви в откриването на материали.

"Промишлеността обикновено избягва риска, когато става въпрос за увеличаване на разходите, а новите материали обикновено отнемат дълго време, преди да станат рентабилни", казва Кристин Першон, директор на проекта. „Ако успеем да намалим този период дори малко, това ще е истински пробив."

След като използва изкуствен интелект, за да предвиди стабилността на тези нови материали, DeepMind заявява, че сега ще насочи вниманието си към прогнозиране на това колко лесно те могат да бъдат синтезирани в лаборатория.