구글 딥마인드 AI 자료 검색

구글 딥마인드의 인공지능(AI)이 200만 개가 넘는 새로운 화학 물질의 구조를 예측하는 이정표를 세웠습니다.

이 개발,최근 네이처 논문에서 공개된 는 실제 기술 발전의 도약을 의미합니다.

11월 29일(수) 과학 간행물에서 이 AI 회사는 약 40만 개의 이론적 소재 디자인이 곧 실험실 테스트를 앞두고 있다고 보고했습니다.

이 연구의 잠재적 응용 분야는 배터리, 태양 전지판, 컴퓨터 칩을 개선하여 전반적인 성능을 향상시키는 데 광범위하게 적용됩니다.

이 논문은 새로운 자료를 식별하고 제작하는 데 전통적으로 많은 비용과 시간이 소요된다는 점을 강조합니다.

지금은 휴대폰, 노트북, 전기 자동차 등의 기기에 보편화된 리튬 이온 배터리가 상용화되기까지 약 20년간의 연구가 필요했습니다.

딥마인드의 연구 과학자 에킨 도구스 쿠북은 낙관적인 전망을 내놓았습니다:

실험, 자율 합성, 머신 러닝 모델이 크게 개선되면 10년에서 20년이 걸리던 기간이 훨씬 더 관리하기 쉬운 수준으로 단축될 것으로 기대하고 있습니다."라고 말합니다;

딥마인드가 개발한 AI는 미국 국립과학재단에서 설립한 국제 연구 컨소시엄인 머티리얼스 프로젝트의 데이터를 사용해 훈련을 거쳤습니다.2011년 로렌스 버클리 국립연구소.

이 데이터 세트는 약 50,000개의 기존 자료에 대한 정보로 구성되어 있습니다.

연구 커뮤니티를 위한 노력

딥마인드는 연구 커뮤니티와 데이터를 공유하여 소재 발견의 혁신을 가속화하기 위해 노력해 왔습니다.

하지만,크리스틴 페르손, 머티리얼즈 프로젝트 디렉터 에서 업계는 잠재적인 비용 상승에 대해 여전히 신중한 입장을 취하고 있으며, 신소재가 비용 효율적이 되기까지 시간이 걸리는 경우가 많다고 강조했습니다.

산업계는 비용 증가에 대해 다소 위험을 회피하는 경향이 있으며, 새로운 소재가 비용 효율적이 되기까지 일반적으로 약간의 시간이 걸립니다. 이 기간을 조금이라도 더 단축할 수 있다면 이는 진정한 혁신이라고 할 수 있습니다;

AI가 이러한 새로운 물질의 안정성을 예측하는 데 성공한 후, 딥마인드는 이제 실험실 조건에서 합성 가능성을 예측하는 데 초점을 맞추고 있습니다.