準備好迎接技術發展的急劇加速吧。Google DeepMind 人工智慧實現了”人類已知穩定材料數量級的擴張”，發現了價值約800 年的具有革命潛力的新材料。柏克萊的機器人實驗室已經創造了DeepMind 的GNoME 人工智慧發現的38 萬種新無機晶體中的41 種。

發現具有非同尋常特性的新材料可以讓技術的雪球滾動起來，最終推動社會向新的方向發展–但到目前為止，這是一個艱苦緩慢的過程，需要進行大量的試錯實驗。

例如，無機晶體材料在首次合成時可能會顯示出巨大的潛力，但如果晶體不能保持穩定，所有這些潛力都將化為烏有；如果發現一種新晶體可以提高電池或電子產品的性能，但它卻會崩解和降解，那就沒有任何好處了。

而這正是DeepMind 的”材料探索圖網絡”（Graph Networks for Materials Exploration，GNoME）深度學習工具剛剛發布的消息有望帶來巨大變革的地方。

GNoME 人工智慧辨識出的穩定無機晶格結構

GNoME 工具已經發現了不少於220 萬種新的無機晶體，並將其中38 萬種晶體鑑定為最穩定的晶體，為研究人員提供了一份經過預先篩選的新材料清單，以便他們去合成新材料，進行實驗研究。其中約736 種材料已經在世界各地的研究實驗室中獨立完成。

「在這些候選材料中，有可能開發出未來變革性技術的材料，從為超級電腦提供動力的超導體，到提高電動車效率的下一代電池，不一而足。」Google部落格這樣敘述。

DeepMind 團隊介紹說：”在這些新發現中有5.2 萬種與石墨烯類似的新型層狀化合物，它們有可能隨著超導體的開發而徹底改變電子技術，在此之前，已經發現了大約1000 種此類材料。我們還發現了528 種潛在的鋰離子導體，是先前研究的25 倍，可用於提高充電電池的性能。”

Google正在將GNoME的所有發現和預測提供給”下一代材料項目”（Next Gen Materials Project），DeepMind在該項目中為人工智慧提供了大量的訓練材料。

雖然其他人工智慧系統在發現新晶體方面做了大量工作，但GNoME 系統現在已經以前所未有的規模完成了這項工作，並以前所未有的準確性預測出哪些晶體結構將足夠穩定，值得進行實驗。

最終的結果是，浪費的時間將大大減少；研究人員將能夠把精力集中在新材料結構的巨大寶庫上，而不會因為晶體不穩定而走入許多死胡同。

自主實驗室技術可望進一步加速材料科學的發展圖/柏克萊實驗室

更重要的是，DeepMind團隊也與柏克萊實驗室合作，創建並展示了一個能夠自主合成這些新晶體的機器人實驗室。在今天發表的一篇論文中，團隊報告說，機器人實驗室已經成功合成了41 種這種新材料–進一步加速合成的潛力令人矚目。

這兩個項目可能會開啟數不清的技術發展之路–它們鮮明地表明，人工智慧系統已經開始在生活的幾乎每個領域引發劇烈動盪。

晶體發現論文和自主實驗室論文在《自然》雜誌上公開發表。