Google DeepMind ha trovato in un solo anno 2,2 milioni di nuovi materiali, di cui 381.000 sono stabili
In meno di un anno, la divisione DeepMind di Google https://deepmind.google/ è riuscita a scoprire 381.000 materiali stabili che possono essere utili in molti settori, grazie a un modello di intelligenza artificiale addestrato in modo avanzato, chiamato Graph Networks for Materials Exploration (GNoME). In realtà si tratta solo di una frazione dei 2,2 milioni di strutture cristalline previste dal modello.
L'intelligenza artificiale è stata addestrata utilizzando i dati raccolti nell'ultimo decennio dal Lawrence Berkeley National Laboratory negli Stati Uniti, attraverso il Progetto Materiali https://next-gen.materialsproject.org/. In teoria, le 381.000 strutture stabili potrebbero svolgere un ruolo chiave nello sviluppo accelerato di superconduttori, supercomputer quantistici, EVs e batterie, ma tutti questi materiali devono prima essere sintetizzati per poterne testare l'efficienza.
Finora, esperimenti indipendenti hanno sintetizzato e dimostrato la stabilità solo di 736 dei materiali. Tuttavia, i ricercatori di DeepMind sono disposti ad accelerare il processo di sintesi per il resto delle strutture, rilasciando immediatamente i dati su tutti i materiali e rendendo disponibile al pubblico il modello AI.
Le strutture più promettenti sembrano essere incluse tra i 52.000 composti che assomigliano alla natura stratificata di grafeni. Si dice che questi siano i candidati ideali per nuove forme di superconduttori che possono essere utilizzati dagli scanner MRI, dai computer quantistici e dai reattori a fusione nucleare. Inoltre, il modello AI ha trovato 528 conduttori alternativi di ioni di litio che possono essere utilizzati per aumentare l'efficienza delle batterie EV.
