“篩選3200萬種材料至18種，只需80小時(shí)”
“我們正處于科學(xué)發(fā)現(xiàn)新時(shí)代的黎明，借助最新的人工智能（AI）技術(shù)和高性能計(jì)算（HPC）能力，我們可以加快科學(xué)發(fā)現(xiàn)速度，包括發(fā)現(xiàn)可以解決時(shí)代問題的新分子、新材料。”近日，微軟戰(zhàn)略使命和技術(shù)執(zhí)行副總裁Jason Zander在一次公開報(bào)告中說道。
近期，微軟與美國能源部太平洋西北國家實(shí)驗(yàn)室（PNNL）攜手進(jìn)行了一項(xiàng)引人注目的化學(xué)實(shí)驗(yàn)，通過人工智能（AI）與高性能計(jì)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(shí)
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(xué)發(fā)現(xiàn)的潛能。在短短9個(gè)月的時(shí)間里，這個(gè)團(tuán)隊(duì)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(xiàng)目的大部分計(jì)算和篩選工作要?dú)w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(guān)科學(xué)研究的進(jìn)程。據(jù)介紹，AQE平臺集成了高性能計(jì)算、人工智能和量子計(jì)算功能，可實(shí)現(xiàn)多方面的計(jì)算速度、規(guī)模和準(zhǔn)確性的提升。同時(shí)，通過將人工智能融合至平臺中，AQE平臺在尋找復(fù)雜問題答案的速度進(jìn)一步提升。
得益于AQE平臺的支持，PNNL團(tuán)隊(duì)在80小時(shí)內(nèi)針對綠色清潔能源領(lǐng)域取得了突破性進(jìn)展。AQE平臺負(fù)責(zé)人Nathan Baker表示：“相較于傳統(tǒng)計(jì)算方法所需的約20年時(shí)間，我們不到一周的時(shí)間就取得了相應(yīng)成果。”
這項(xiàng)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(shí)，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(gè)材料模擬數(shù)據(jù)點(diǎn)訓(xùn)練的AI模型進(jìn)行了必要的計(jì)算。與基于DFT（密度泛函理論）的傳統(tǒng)方法相比，該計(jì)算過程顯著提高了材料屬性預(yù)測的速度，實(shí)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(yīng)性和導(dǎo)電潛力進(jìn)行了第一輪篩選工作，將3200萬個(gè)候選方案縮減至約50萬個(gè)新型穩(wěn)定材料。隨后，他們將AI模型用于預(yù)測材料的氧化還原電位和帶隙等物理特性，進(jìn)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(xué)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(jì)算機(jī)評估每種材料的實(shí)用性。最后，通過結(jié)合必要起始材料的可用性和成本等實(shí)際考慮因素，系統(tǒng)產(chǎn)生了23名個(gè)候選者。在這些材料中，有5個(gè)為已知材料，從而得到了18個(gè)有潛力的材料。
最后，PNNL團(tuán)隊(duì)在固態(tài)反應(yīng)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(lǐng)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(dǎo)電率水平。
AI和HPC加速科學(xué)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(shè)以及實(shí)驗(yàn)驗(yàn)證假設(shè)。這種傳統(tǒng)的科學(xué)研究范式主要依賴于提出假設(shè)并通過人工驗(yàn)證。雖然這個(gè)過程在概念上很簡單，但實(shí)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(xiàng)目的成功推進(jìn)。
隨著AI、HPC等技術(shù)進(jìn)步，人們有望構(gòu)建一個(gè)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(shè)，以及使用自動化實(shí)驗(yàn)測試，旨在提高科學(xué)研究的效率和精確性。多元技術(shù)協(xié)同將助力科學(xué)家更好處理科學(xué)研究挑戰(zhàn)，促進(jìn)科學(xué)發(fā)現(xiàn)和科學(xué)創(chuàng)新。
PNNL的科學(xué)家感嘆，我們正在邁入一個(gè)新的范式。該范式的關(guān)鍵是異構(gòu)能力的協(xié)同工作，即不再受單一技術(shù)主導(dǎo)，而是趨向多元技術(shù)的協(xié)同，“使總體結(jié)果大于各部分之和”。
回顧科學(xué)發(fā)展史，核心基礎(chǔ)技術(shù)的突破推動科學(xué)經(jīng)歷多次重大的范式轉(zhuǎn)變。當(dāng)前，在實(shí)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(xué)問題，不斷促進(jìn)關(guān)鍵基礎(chǔ)理論的突破發(fā)展。計(jì)算系統(tǒng)的出現(xiàn)和成熟讓更復(fù)雜的計(jì)算成為可能，計(jì)算技術(shù)規(guī)模不斷擴(kuò)張。而人工智能和高性能計(jì)算技術(shù)各具優(yōu)勢，可提高解決科學(xué)發(fā)現(xiàn)的效率和質(zhì)量。
科研范式的變遷。Nature 制圖
PNNL 科學(xué)技術(shù)副主任 Tony Peurrung 表示：“我們相信，人工智能、高性能計(jì)算與人類科學(xué)家的結(jié)合是加速取得有意義的科學(xué)成果的關(guān)鍵。”他還透露，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(jì)算技術(shù)，深化雙方合作關(guān)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://knowith.com/news-3-208.html“篩選3200萬種材料至18種，只需80小時(shí)”
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。
